数据结构（二）算法

算法的定义

算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作。

算法的特性

算法由五个基本特性：輸入、输出、有穷性、确定性和可行性。

算法的设计和要求

正确性

是指算法至少应该具有輸入、输出和加工处理无歧义行、能正确反应问题的需求，能够得到问题的正确答案。正确性又分为以下四个层次：
1.没有语法错误
2.对于合法的输入能产生满足要求的输出结果
3.对于非法的输入数据能够得出满足规格的说明结果
4.对于精心选择的甚至刁难的测试数据都有满足要求的输出结果。

可读性

便于阅读理解和交流

健壮性

当输入不合法时，算法也能做出相关的处理，而不是产生异常或莫名奇妙的结果。

时间效率高和存储量低

算法时间复杂度

在进行算法分析时，语句的执行次数T(n)时关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，记作T（n) =O(f(n))。它表示随问题规模n的增大，算法执行时间增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。
用大写的O（）来体现算法时间复杂度的记法，成为大O记法。一般随n的增大，T[n]增长最慢的算法称作为最优算法。

如何分析一个算法的时间复杂度呢？

推导大O阶：
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次数函数中，只保留最高阶项。
3.如果最高阶项存在且不为1，则去除与这个项相乘的常数。
得到的结果就是大O阶。

常见的时间复杂度

执行次数函数	阶	非正式术语
12	O(1)	常数阶
2n+3	O(n)	线性阶
3n2+2n+1	O(n^2)	平方阶
5log2n + 20	O(logn)	对数阶
2n+3nlog2n+19	O(nlogn)	nlogn阶
6n3 + 9n	O(n3)	立方阶
2n	O(2n)	指数阶

常用的时间复杂度所耗费时间从小到大的顺序依次是：
O(1) <O(logn)<O(n)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

算法空间复杂度

通过计算算法所需的存储空间实现。