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。