第2章 算法(Algorithm)
写一个1+2+3+…+100求和程序
int i, sum = 0, n = 100; /* 执行了1次 */
for(i = 1; i <= n; i++) /* 执行了n+1次 */
{
sum = sum+i; /* 执行了n次 */
}
printf(" %d ",sum); /* 执行了1次 */
这样可能不高效,高斯同学是这样想的:
int i, sum = 0, n = 100; /* 执行了1次 */
sum = (1+n) * n / 2; /* 执行了1次 */
printf("%d",sum); /* 执行了1次 */
1、算法的定义
如今普遍认可的对算法的定义是:
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 一个或者多个操作。
2、算法的特性
算法具有五个基本特性:
输入、输出、有穷性、确定性和可行性。
一个好的算法,应该具有正确性、可读性、健壮性、高效率和低存储量的特性。
(并不是代码越少,算法就越优秀,还应该考虑他的可读性)
3、算法的时间复杂度
判断一个算法的效率时,函数中的常数和其他次要项往往可以忽略,而更应该关注*主项*(最高阶项)的阶数。
T(n) = O(f(n))
表示随问题的规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称时间复杂度。其中f(n)是问题规模n的某个函数
一般随着n的增大,T(n)增长最慢的算法为最优算法
如何计算时间复杂度(推导大O阶)?
- 常数1取代运行时间中的所有加法常数
- 在修改后的运行次数函数中,只保留最高项。
- 如果最高项存在且不是1,则去除与这个项相乘的常数
1)常数阶 O(1)
不管常数阶中常数是多少,我们都记作O(1),而不能是O(3)、O(12)。因为他执行的次数是恒定的,不会随着n的变大而发生变化。
2)线性阶 O(n)
分析算法的复杂度,关键就是要分析循环结构的运行情况。
例如一个for循环,因为其循环体中的代码需要执行n次,故他的循环的时间复杂度为O(n)
for(int i = 0; i<n; i++){
/*时间复杂度为O(1)的程序步骤序列*/
}
3)对数阶 O(logn)
例如下面这段代码
int count = 1;
while(count <n){
count = count * 2;
/*时间复杂度为O(1)的程序步骤序列*/
}
由于每次count乘以2之后,就距离n更近了一步。也就是说有多少个2相乘后大于n就会退出循环。
由2x=n,得到x= log 2 n,所以时间复杂度为O(log 2 n)
4)平方阶
例如一个循环嵌套
for(int i=0; i<n; i++){
for(int j=0; j<n; j++){
/*时间复杂度为O(1)的程序步骤序列*/
}
}
它的时间复杂度为O(n2)
4、算法的空间间复杂度
算法的空间复杂度通过计算算法所需的存储空间实现,
算法空间复杂度的计算公式记作:S(n)=O(f(n)),
其中,n为问题的规模,f(n)为语句关于n所占存储空间的函数。