第二章，算法学习笔记

最新推荐文章于 2024-08-21 12:03:50 发布

ZHY_ERIC

最新推荐文章于 2024-08-21 12:03:50 发布

阅读量371

点赞数

分类专栏：数据结构笔记文章标签：数据结构

本文链接：https://blog.csdn.net/ZHY_ERIC/article/details/122735200

版权

数据结构笔记专栏收录该内容

9 篇文章 0 订阅

订阅专栏

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。

算法特性
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。

算法设计要求
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。

常见的时间复杂度
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
$5\log_{2} n+20$	O(log n)	对数阶
$2n+3n\log_{2} n+19$	O( $n\log_{} n$ )	$n\log_{} n$ 阶
6n³+2n²+3n+4	O(n³)	立方阶
2^n	O(2^n)	指数阶