[笔记]＜大话数据结构＞第2章 算法

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）？

1. 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，只保留最高项。
3. 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2^x=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。