2.1 开场白
2.2 数据结构与算法关系
2.3 两种算法的比较
2.4 算法定义
算法:是解决待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。
2.5 算法的特性
2.5.1 输入输出
2.5.2 有穷性
指算法在执行有限的步骤后,自动结束而不会出现无限循环,并且每一个步骤在可接受的时间内完成。
2.5.3 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。
2.5.4 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。
2.6 算法设计的要求
2.6.1 正确性
算法的正确性是指算法至少应该具有输入、输出和加工处理无奇异性、能正确反映问题的需求、能够得到问题的正确答案。
2.6.2 可读性
算法设计的另一目的是为了便于阅读、理解和交流。
2.6.3
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奇妙的结果。
2.6.4 时间效率高和存储量低
2.7 算法效率的度量方法
2.7.1 事后统计方法
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。
2.7.1 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。
2.8 函数的渐近增长
函数的渐近增长: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)总是比g(n)大,那么,我们说f(n)的增长渐近快于g(n)。
2.9 算法时间复杂度
2.9.1 算法时间复杂度定义
定义:在进行算法分析时,语句汇总的执行次数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。算法时间复杂度,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,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
2.9.2 推导大O阶方法
推导大O阶:
- 用常数1取代运行时间中的所有加法常数。
- 在修改后的运行次数函数中,只保留最高阶项。
- 如果最高阶项存在切不是1,则去除与这个项相乘的常数。
得到的结果就是大O阶。
2.9.3常数阶
2.9.4 线性阶
2.9.5 对数阶
2.9.6 平方阶
2.10 常见的时间复杂度
O(1) < O(log n) < O(n) < O(nlog n) < O( n2 ) < O( n3 ) < O( 2n ) < O(n!) < O(n^n)
2.11 最坏情况与平均情况
最坏情况运行时间是一种保证。在应用中,这是一个最重要的需求,通常,除非特殊指定,提到的运行时间都是最坏情况的运行时间。
平均运行时间是所有情况中最有意义的,因为它是期望的运行时间。