算法基本概念(Note2)

算法

1.1 算法效率的度量

正确性、可读性、健壮性、效率与存储量

1.1.1效率与存储量

效率与存储量：效率是指算法执行时间，存储量需求是指算法在执行过程中所需最大存储空间。

• 语句频度， 该条语句可能重复执行的次数。

• T(n)， 所有语句的频度之和，其中n为问题的规模。

  读出下图语句频度和T(n)

  

  sum=0; 初始化一次频度为1；

  for循环执行n次； 频度为n；

  所以，T(n) = 1+n；

• 时间复杂度
  算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),使得当n趋近于无穷大时，T（n)/f (n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

  时间复杂度分为，最坏时间复杂度，最好时间复杂度，平均复杂度。以最坏时间复杂度来衡量算法。

  T(n) = O(f(n))， 其中O表示T(n)与f(n)在n—>正无穷时为同阶无穷大。

  根据同阶无穷大的知识，
  得到 T(n)/f(n)极限值不等于且为常数;
  n+1/x; n/x+1/x===>x = n;
  得到f(n)=n; 所以，n+1/n= n/n+1/n=1+1/n; n–>正无穷; 结果为1符合要求;
  所以时间复杂度为O(n);

• 基本运算频度
  加法规则：T(n)=T1(n)+T2(n)=O(f(n))+O(g(n))=O(max(f(n),g(n)))
  max(x,y) 值，挑出xy最大的一个。
  通常采用基本运算频度来分析算法时间复杂度。
  读出下图语句频度，基本运算频度，T(n),O(f(n))
  

  第一层， sum=0； 频度为1； O(n) = 1

  第二次，for循环； 频度为n； O(n) = n;

  第三层，嵌套for循环； 频度为n^；O(n) = n^;

  整体就是：T(n) = 1+n+n^====> O(n)=n^; n为问题规模；

  基本运算频度就是最内层的语句频度n^；整体的时间复杂度就根据这个来计算。

• 空间复杂度
  此处省略一万字。。。。。

1.2 算法的特性

有穷性、确定性、可行性、输入、输出。