day02（数据结构）算法基础知识

嵌新程

于 2024-08-18 20:17:18 发布

阅读量227

点赞数 10

文章标签：算法数据结构算法嵌入式嵌入式学习

本文链接：https://blog.csdn.net/QR70892/article/details/141304684

版权

算法基础知识

算法就是解决问题的思想方法，数据结构是算法的基础。

数据结构 + 算法 = 程序

算法的设计：取决于数据的逻辑结构

算法的实现：依赖于数据的存储结构

有穷性：步骤是有限

确定性：每一个步骤都有明确的含义，无二义性

可行性：在规定时间内可以完成

输入

输出

正确性

易读性

健壮性：容错处理

高效性：执行效率，通过重复执行语句的次数来判断，也就是时间复杂度(时间处理函数)来判断。

时间复杂度：

语句频度：用时间规模函数表达

时间规模函数: T(n)=O(f(n))

T(n) //时间规模的时间函数

O //时间数量级

n //问题规模，例如：a[100], n=100

f(n) //算法可执行重复语句的次数

称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

渐进时间复杂度用大写O来表示，所以也被称为大O表示法。直白的讲，时间复杂度就是把时间规模函数T(n)简化为一个数量级，如n，n^2，n^3。

例1：

求1+2+3+4+...+n的和

算法1：

int sum=0;
for(int i=1;i<=n;i++)
{
    sum += i; //重复执行n次
}

f(n) = n
==>T(n) = O(n)

算法2：

利用等差数列前n项和公式：Sn=n*a1+n(n-1)d/2 或 Sn=n(a1+an)/2 (d是公差）

int sum = (1+n)*n/2;   //重复执行1次

f(n) = 1

==> T(n) = O(1)

例2：

int i,j;
for(i=0;i<n;i++)
{
	 for(j=0;j<n;j++)
    {
	    printf("ok\n");        //重复执行n*n次
    }
}

T(n) = O(n^2)

例3：

int i,j;
for(i=0;i<n;i++)
{
    for(j=0;j<=i;j++)
    {
        printf("ok\n");  
    }
}

1 + 2 + ... n

f(n) = n*(1+n)/2 = n^2/2 + n/2 //只保留最高项n^2/2, 除以最高项系数得到n^2

T(n) = O(n^2)

计算大O的方法

根据问题规模n写出表达式f(n)
如果有常数项，将其置为1 //当f(n)的表达式中只有常数项，例如f(n) = 8 ==> O(1)
只保留最高项，其他项舍去。
如果最高项系数不为1，则除以最高项系数。

例：

f(n) = 3*n^4 + 2*n^3 + 6*n^7 +10;

==> O(n^7)

关注