大话数据模式——第二章 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序序列，并且每条指令表示一个或多个操作

2.5算法的特性

算法具有个基本特性：输入（零个或多个）、输出、有穷性、确定性、可行性

2.6算法设计的要求

好的算法，应该具有正确性、可读性、健壮性、高效率和低存储量的特征。

2.7算法效率的度量方法

• 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（不予采纳）
• 事前分析估算方法：在计算机程序编制前，一句统计方法对算法进行估算
  • 一个程序的运行时间，依赖于算法的好坏和问题的输入规模。（所谓问题输入规模是指输入量的多少）
  • 我们在分析一个算法的运行时间时，重要的是把基本操作的数量与输入规模关联起来，及基本操作的数量必须表示成输入规模的函数

2.8

• 判断一个算法的效率时，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
• 某个算法，随着n的增大，它会越来越优于另一算法，或者越来越差于另一算法

2.9

• 算法时间复杂度定义：在进行算法分析时，语句总的执行此处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，也就是算法的时间量度，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，乘坐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。
• O( )称为大O记法
• O(1)叫常数阶，O(n)叫线性阶，O(n^2)叫平方阶
• 推导大O阶方法：
  • 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
• 分析算法的复杂度，关键就是要分析循环结构的运行情况

2.10常见的时间复杂度

2.11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，即最坏时间复杂度

2.12

• 算法的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为问题的规模，f(n)为语句关于n所占存储空间的函数
• 若算法执行时所需的辅助空间相对于输入数据量而言只是个常数，则称此算法为原地工作，空间复杂度为O(1)
• 一般复杂度指的是时间复杂度