数据结构 学习记录 1

数据结构 学习记录 1

A 计算

1.什么是算法？

• 计算 = 信息的处理

  借助某种工具，遵照一定的规则，以明确而机械的形式进行

• 计算模型 = 计算机 =信息处理工具

• 所谓算法，即在特定计算模型下，旨在解决特定问题的指令序列

  • 输入：待处理的信息（问题）
  • 输出：经处理的信息（答案）
  • 正确性：的确可以解决指定的问题
  • 确定性：任一算法都可以描述为基本操作组成的序列
  • 可行性：每一基本操作都可以实现，且在常数时间内完成
  • 有穷性：对于任何输入，经有穷次基本操作，都可得到输出

• 举个例子：
  
  那么对于这个例子来说，输入就是直线L上的点p，输出就是经过p且垂直于L打的直线，在这个由绳子组成“计算模型”，运行了得到垂线这个算法

2.算法有穷性：

关于算法的有穷性上面已经介绍到了，现在举一个例子：Hailstone Sequence。

希尔顿序列问题是一个著名的数学问题，至今未证明其正确性，也没证明其错误性，即任何一个正整数N，如果是偶数的话就除以2，如果是奇数的话就乘以3再加上1，最后这个数都会变为1。其表达式如下：

通过递归发现，每次对n这个数字进行判断奇偶性，采用不同的计算公式。例:当n=5的时候，结果：Halistone(5)={5,16,8,4,2,1}

我们针对这个过程写出一个程序：

1int halistone(int n)
{
	int length =0;
	while(n>1)
    {
		(n%2)?n/=2:n=n*3+1;
		length++;
	}
	return length;
}

当我们输入n = 5，程序能在有穷次得到输出，那当我们输入n = 27的时候了？我们可以给出：

Halistone(27)={27,82,41,124,62,31,94,47,142,71,214,107, … }

那么我们可以看到，该程序无法判断有穷性，不满足对于任何输入这一条件，所以该程序不能作为算法。

总结：程序未必等于算法，要满足算法的有穷性。

3.好算法：

什么是一个好算法？这个问题并不能很好的回答的问题，列举一下几点：

• 正确：符合语法、能够编译、链接
• 健壮性：能辨别不合法的输入并做适当处理，而不会非法退出
• 可读性：结构化 + 准确命名+ 注释 + … …

这些确实是一个好算法的一些方面，但是从数据结构的角度来讲，我们其实最需要关注的一点是

• 效率（Efficiency）：速度尽可能快，存储空间尽可能少（既要马儿快快跑，也要马儿吃得少！）

B 计算模型

To measure is to konw.

If you can not measure it,you can not improve it.

1.算法分析

• 正确性：算法功能与问题是否一致？
• 成本：运行时间 + 所需存储空间（如何度量 + 如何比较？）
• 考察：如果我们定义一个通用的数学公式T(n)来计算算法的时间成本，意义不大…毕竟可能出现的问题实例太多，如何归纳概括？
• 观察：问题实例的规模，往往是决定计算成本的主要因素。规模接近，计算成本也接近；规模扩大，计算成本也上升。
• 那么，如果我们计算：用算法A求解某一问题规模为n的实例，所需的计算成本讨论特定算法A（及其对应的问题）的时间T(n)来进行对比了？这样仍然有问题… …因为同一问题等规模的不同实例，计算成本不尽相同，甚至有本质的区别。

既然这样，那么我们该怎么定义计算成本T（n）了？ 同一问题等规模的不同实例，计算成本不尽相同，那么，在规模同为n对的所有实例中，我们只关注最坏（成本最高）者来作为其计算成本T(n)。以最坏的情况作为准则的原则，这也是很好理解。上述方法为对特定算法的评价。