第 2 章 算法

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：

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($n^2$) < O($n^3$) < O($2^n$) < 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。

2.12 算法空间复杂度

2.13 总结回顾

2.14 结尾语