数据结构笔记2算法（《大话数据结构》学习笔记）

算 法:

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 。

【1】引导

现在如果要求你写一个求 1+2+3+ … + 100 结果的程序,你应该怎么写呢?
大多数人会马上写出下面的 C 语言代码(或者其他语言的代码) :

这是最简单的计算机程序之一。

问题在于,你的第一直觉是这样写的,但这样是不是真的很好?是不是最高放?

此时,我不得不把伟大数学家高斯的童年故事拿来说一 遍,也许你们都早已经听过,但不妨再感受一下,天才当年是如何展现天分和才华的。据说 18 世纪生于德国小村庄的高斯, 上小学的 一矢 ,课堂很乱,就像我们现在下面那些费窃私语或者’拿着手机不停摆弄的同学一样, 老师非常生气 , 后果自 然也很严重 。于是老师在放学时,就要求每个学生都计算 1+2 + … +100 的结果,谁先算出来谁先回家。
天才当然不会被这样的问题难倒,高斯很快就得出了答案,是 5050 。老师非常惊讶,因为他自己想必也是通过 1+ 2=3 ,3+3=6 , 6+4=10 ,…, 4950+ 100=505。 这样

算出来的,也算了很久很久。说不定为了怕错,还算了两三遍。可眼前这个少年 , 为何可以这么快地得出结果?

高斯解释道:

用程序来实现如下:

【2】算法定义

今普遍认可的对算洁的定义是 :

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,并且每条指令指令表示一个或多个操作 。

算法定义中,提到了指令,指令能被人或机器等计算装置执行。它可以是计算机指令,也可以是我们平时的语言文字。

为了解决某个或某类问题,需要把指令表示成一定的操作序列,操作序列包括一组操作,每一个操作都完成特定的功能,这就是算法了。

【3】算法的特性

3.1 输入输出
输入和输出特性比较容易理解, 算法具有零个或多个输入。尽管对于绝大多数算法来说,输入参数都是必要的,但对于个别情况,如打印 " hello world ! " 这样的代码,不需要任何输入参数**，因此算法的输入可以是零个**。 算法至少有一个或多个输出, 算法是一定需要输出的,不需要输出,你用这个算法干吗?输出的形式可以是打印输出,也可以是返回一个或多个值等 。

3.2 有穷性
有穷性:指算法在执行有限的步骤之后,自动结束而不会出现无限循环,并且每一个步骤在可接受的时间内完成。现实中经常会写出死循环的代码,这就是不满足有穷性 。当然这里有穷的概念并不是纯数学意义的,而是在实际应用当中合理的、可以接受的"有边界飞你说你写一个算法,计算机需要算上个二十年,一定会结束,它在数学意义上是有穷了,可是媳妇都熬成婆了,算法的意义也不就大了 。

3 3 确定性
确定性:算法的每一步骤都具有确定的含义 , 不会出现二义性 。 算法在一定条件下,只有一条执行路径,相同的输入只能有唯一的输出结果。算法的每个步骤被精确定义而无歧义。

3.4 可行性
可行性:算法的每一步都必须是可行的 , 也就是说,每一步都能够通过执行有限次数完成 。 可行性意味着算法可以转换为程序上机运行,并得到正确的结果。

【4】算法设计的要求

4.1 正确性
正确性:算法的正确性是指算法至少应该具有输入、输出和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案 。
但是算法的"正确"通常在用法上有很大的差别,大体分为以下 四个层次。
1. 算法程序没有语法错误。
2. 算法程序对于合法的输入数据能够产生满足要求的输出结果。
3. 算法程序对于非法的输入数据能够得出满足规格说明的结果。
4 . 算法程序对于精心选择的,甚至刁难的测试数据都有满足要求的输出结果。

4.2 可读性
可读性 : 算法设计的另一目的是为 了便于 阅读、 理解和交流 。
可读性高有助于人们理解算法,晦涩难愤的算法往往醋、合错误,不易被发现 , 并且难于调试和修改 。

4.3 健壮性
一个好的算法还应该能对输入数据不合法的情况做合适的处理 。 比如输入的时间或者距离不应该是负数等 。

健壮性:当输入数据不合法时,算法也能做出相关处理, 而不是产生异常或莫名其妙的结果 。

4.4时间效率高和存储量低
最后,好的算法还应该具备时间效率高和存储虽低的特点 。时间效率指的是算法的执行时间 , 对于同 一个问题,如果有多个算法能够解决 ,执行时间短的算法效率高,执行时间长的效率低 。存储量需求指的是算法在执行过程中需要的最大存储空间, 主要指算法程序运行时所占用的内存或外部硬盘存储空间。设计算法应该尽量满足时间效率高和存储量低的需求 。

【5】算法效率的度量方法

来看看之前举的例子 , 两种求和的算法 :
第一种：

第二种：

显然,第一种算法,执行了 1+ ( n+1 ) +0+1 次 =2n+3 次 i，而第二 种算法,是1+1+1=3 次。事实上两个算法的第一条和最后一条语句是一样的,所以我们关注的代码其实是中间的那部分,我们把循环看作一个整体 , 忽略头尾循环判 断 的开销, 那么这两个算法其实就是 n 次与 1 次的差距。算法好坏显而易见。

【6】算法时间复杂度

6.1算法时间复杂度定义
在进行算法分析时 , 语句总的执行次数T ( n )是关子问题规模 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.也就是算法的时间量度,记作: T ( n )= O(f(n))。它表示随间匾规模 n 的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称为时间复杂度 。 其中 f ( n) 是问题规模 n 的某个函数 。
显然,由此算法时间复杂度的定义可知,我们的三个求和算法的时间复杂度分别为 O(n) , O(1) , O(n^2)。我们分别给它们取了非官方的名称, 0 (1) 叫常数阶、 O(n) 叫线性阶、 O(n ^2 ) 叫平方阶,当然,还有其他的 一 些阶,我们之后会介绍。

6.2常见的时问复杂度

常用的时间复杂度所耗费的时间从小到大依次是：

【7】算法空间复杂度

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(o)=O(f(o))

其中, 0 为问题的规模, f(n)为语句关于 n 所 占存储空间的函数 。

一般情况下, 一个程序在机器上执行时,除了需要存储程序本身的指令、常数、变量和输入数据外,还需要存储对数据操作的存储单元,若输入数据所占空间只取决于问题本身,和算法无关,这样只需要分析该算法在实现时所需的辅助单元即可。若算法执行时所帘的辅助空间相对于输入数据量而言是个常数,则称此算法为原地工作,空间复杂度为 0(1) 。

回顾：

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 : 有穷性、确定性、可行性、输入、输出 。

算法的设计的要求 : 正确性、可读性、健壮性、 高效率和低存储量需求 。

算法的度量方法 : 事后统计方法(不科学、不准确) 、 事前分析估算方法。

更多详细说明请看《大话数据结构》。。。。。。。。。