算法
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。
算法五个特性:输入、输出、有穷性、确定性和可行性。
在我平时工作中,为了解决某些问题所写的一段代码就是算法。
算法的五个特性
输入输出
算法有零个或多个输入,但是至少有一个输出。
有穷性
算法在执行有限的步骤之后,自动结束而不是出现无限循环,并且每一个步骤都在可接受的时间内完成。
确定性
算法的每一个步骤都具有确定的含义,不会出现二义性。
可行性
算法的每一步都必须可行的,也就是说,每一步都能够通过执行有限次数完成。
算法设计要求
要求被设计得算法具有以下特性:正确性、可读性、健壮性、时间效率高和存储量低。
算法效率度量方法
事后统计方法(不采用)
主要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。
缺点1:算法要事先编好。
缺点2:环境和机器等影响时间的计算。
缺点3:数据量不同对同一算法影响较大。
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。
事前估计因素主要有四种
1.算法采用的策略和方法
2.编译产生的代码质量
3.问题的输入规模
4.机器执行指令的速度
条件2需要软件来支持,条件4考虑的是硬件性能,所以算法运行时间主要依赖条件1和条件3,即算法的好坏和问题的输入规模。
函数的渐进增长
给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n>N,f(n)总比g(n)大,那么我们说f(n)的增长渐进快于g(n)。
可以忽略常数
与最高次项相乘的常数并不重要
最高次项指数大的,函数随着n的增长,结果也变得增长特别快
判断一个算法效率时,函数中的常数和其他次要项常常可以忽略,而更应该关注主项(最高阶项)的阶数。
算法时间复杂度
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))。它表示随问题规模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。
一般用大写的O() 来体现算法时间复杂度记法,称之为大O记法。
O(1)叫常数阶,O(n)叫线性阶,O(n2) logn 、线性阶O() > O(1)执行时间恒定
推导大O阶算法
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
常数阶O(1)、对数阶O(logn)、线性阶O(n)
平方阶、立方阶、nlogn阶、指数阶。
时间复杂度耗费时间从小到大
O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)
<O(2n)(2的n次方)<O(n!)<O(nn)(n的n次方)
最坏情况与平均情况
最坏情况
最坏情况运行时间是一种保证,是指运行时间将不会在坏了。在应用中,这是一种最重要的需求,通常,除非特别指定,我们提到的运行时间都是最坏情况的运行时间。
还有最坏时间复杂度和平均时间复杂度。
算法空间复杂度
算法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为问题规模,f(n)为语句关于n所占存储空间的函数。