学习笔记——数据结构（WEEK 2-1)

算法与算法分析

算法

定义

对特定问题解决方法和步骤的一种描述，指令的有限序列。

描述

• 自然语言

• 流程图

• 
  

• 伪代码，类语言

• 程序语言（一个问题可以有多种算法–考虑如何将输入转化成输出–程序使某种程序设计语言对算法的基本实现–程序=数据结构+算法）

特性

• 有穷性
• 确定性
• 可行性
• 输入（0或多个）
• 输出（1或多个）

设计要求

• 正确性

• 可读性
  
• 健壮性（鲁棒）
  
• 高效性
  

算法分析

算法的效率

• 时间效率
• 空间效率
  上述可能使冲突

时间效率

• 定义：程序在计算机执行消耗的时间
• 度量方法：
  1. 事后统计
     算法实现，测试时间和空间开销
  2. 事前分析
     估算

算法运算时间=一个简单操作（幅值，比较，移动等）所需要的时间*简单操作次数

矩阵乘法：

 int n = 4;
    int a[4][4]={{1,2,3,4},{5,6,7,8},{9,10,11,12},{13,14,15,16}};
    int b[4][4]={{1,2,3,4},{5,6,7,8},{9,10,11,12},{13,14,15,16}};
    int c[4][4];
    int i,j,k;
    for (i=1;i<=n;i++){     // 执行（n+1）次，最后一次会执行判断
    // 接下来的代码块会执行n次
        for(j=1;j<=n;j++){   // 执行n（n+1）次，最后一次会执行判断
                c[i][j]=0;       // 执行n*n次
                for (k=0;k<n;k++){     // 执行n*n（n+1）次，最后一次会执行判断
                    c[i][j]=c[i][j]+a[i][k]*b[k][j];     // 执行n*n*n次
                }
        }
    }

将所有执行时间相加得到时间消耗T(n)
简化：仅比较数量级–时间复杂度

上述求解矩阵乘法时间复杂度


n越大执行时间越长

基本方法

定理1：


时间复杂度是由嵌套最深语句的频度决定的
举例：

时间复杂度基本概念

最坏时间复杂度
平均时间复杂度
最好时间复杂度

对于复杂时间复杂度：
分解再根据大O加法乘法法则计算

时间复杂度比较

空间效率

空间复杂度


举例：

总结（week1+week2-1）

设计好算法：