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,并且每一条指令表示一个或多个操作。
算法具有五个基本特性:输入、输出、有穷性、确定性、可行性。
输入输出 | 算法具有零个或多个输入。 算法至少有一个或多个输出。 |
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线循环,并且每一个步骤在可接受的时间内完成。 |
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。(歧义) |
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、可读性、健壮性、时间效率高和存储量低。
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。 |
可读性 | 算法设计的另一目的是为了便于阅读、理解和交流 |
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。 |
时间效率高和存储量低 | 设计算法应该尽量满足时间效率高和存储量低的要求。 |
算法效率的度量方法
事后统计算法:这种方法主要是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。(缺陷很多)
事前分析估算方法:在计算机程序编制前,依据统计学习方法对算法进行估算。
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)是关于问题规模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,也就是算法的时间度量,记作:T(n) = O(f(n))。他表示随着问题规模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,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
这样用大写O()来体现算法时间复杂度的记法,我们称之为大O记法。
一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。O(1)叫常数阶、O(n)叫线性阶、O(n²)叫平方阶。
推导大O阶:
1、用常数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,只保留最高阶项。
3、如果最高阶项存在且不是1,则去除与这个项相乘的常数。
得到的结果就是大O阶。
执行次数函数 | 阶 | 非正式术语 |
12 | O(1) | 常数阶 |
2n+3 | O(n) | 线性阶 |
3n²+2n+1 | O(n²) | 平方阶 |
O(log n) | 对数阶 | |
O( | ||
6n³+2n²+3n+4 | O(n³) | 立方阶 |
2^n | O(2^n) | 指数阶 |
常用的时间复杂度所消耗的时间从小到大依次是:
O(1) < O(log n) < O(n) < O() < O(n²) < O(n³) < O(2^n) < O(n!) < O(n^n)
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(n) = O(f(n)),其中, n为问题的规模,f(n)为语句关于你n所占存储空间的函数。
通常,我们使用“时间复杂度”来指运行的时间需求,使用“空间复杂度”指空间需求。当不用限定词地使用“复杂度”时,通常都是指时间复杂度。