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。
算法的基本特性
- 输入输出: 算法具有零个或多个输入,一个或多个输出;
- 有穷性: 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时间内完成;
- 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。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;
- 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。
算法的设计要求
- 正确性: 算法至少应该具有输入、加工处理、输出无歧义性的特点,能正确反映问题的需求,并得到问题的正确答案。按要求从低至高,大体分为以下四个层次:
① 没有语法错误;
② 对于合法的输入,能产生正确的输出;
③ 对于非法的输入,能得出满足规范说明的输出;
④ 对于刁难的测试数据,能得出满足要求的输出。 - 可读性: 算法应该便于阅读、理解和交流;
- 健壮性: 当输入不合法时,算法也能做出相关处理,而不是产生异常或莫名其妙的结果;
- 时间效率高和存储量低: 对于同一个问题,算法的执行时间尽可能短,运行时所占用的内存或外部硬盘空间尽可能少。
算法效率的影响因素
一个由高级程序语言编写的程序在运行时所消耗的时间,取决于以下因素:
- 算法采用的策略、方法;
- 编译产生的代码质量(依靠编译器的支持);
- 问题的输入规模;
- 机器执行指令的速度(由硬件性能决定)。
因此,程序本身对算法效率的影响,主要依赖于其策略、方法的好坏和问题的输入规模(输入量的多少)。
算法效率的度量方法
- 事后统计方法: 通过设计好的测试程序和数据,利用计算机计时器对不同算法编制的程序的运行时间进行比较,从而确定算法效率的高低;
- 事前分析估算方法: 在计算机程序编制前,依据统计方法对算法进行估算。
算法效率的指标
- 时间复杂度: 随着问题输入规模n的增大,算法语句总执行次数T(n) 的增长规率,将会渐渐趋近于某一个与n相关的函数——f(n) 。此f(n),便被称作算法的渐进时间复杂度,简称时间复杂度。(日常使用中,一般指最坏时间复杂度)
- 空间复杂度: 算法在计算机执行时,所需的总辅助空间大小,如:存储指令、常量、变量、对数据操作的存储单元等,相对于输入数据量n而言,将会渐渐趋近于一个函数——g(n) 。此g(n),便被称作空间复杂度。
算法时间复杂度的计算
时间复杂度通常用大写O()作为记法,称之为大O记法:
- 用常数1取代运行时间中所有的加法常数;
- 在修改后的运行次数函数中,只保留最高阶项;
- 如果最高阶项存在且不是一,则去除与该项相乘的常数,得出的结果即为大O阶,也就是时间复杂度。
常见的时间复杂度如下: