算法基础--《大话数据结构》

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

1. 输入输出： 算法具有零个或多个输入，一个或多个输出；
2. 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；
3. 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；
4. 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

1. 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。
2. 可读性: 算法应该便于阅读、理解和交流；
3. 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；
4. 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：

1. 算法采用的策略、方法；
2. 编译产生的代码质量（依靠编译器的支持）；
3. 问题的输入规模；
4. 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

1. 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；
2. 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

1. 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)
2. 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：

1. 用常数1取代运行时间中所有的加法常数；
2. 在修改后的运行次数函数中，只保留最高阶项；
3. 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：