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