算法及其算法时间空间复杂度计算方法

算法
程序=算法+数据结构 尼古拉斯·沃兹（凭借此句话获得了图灵奖）
数据结构将问题变成计算机信息并存进计算机 算法 处理这些信息的方法
算法五大特征 有穷性 确定性 可行性 输入 输出
好算法的特质 准确 可读 健全 高效率 低存储
算法的时间复杂度
由于事后统计程序运行时间不能排除与算法本身无关的外界因素（计算机性能 性能 编程语言 等)所以采用事前估计的方法
用事前预估算法时间开销T（n）和问题规模n的关系来表示算法的时间复杂度
例：
#include<stdio.h>
#include<stdlib.h>
int main()
{
void loveyou(300)
system(“pause”);
return 0;
}
void loveyou(n) //n为问题规模
{

1. int i=1；//爱你的程度
2. while（i<=n）
   {
3. i++;//每次加一
4. printf(“i love you %d\n”,i);
   }
5. printf(“i love you more than %d\n”,n);
   }
   语句频度的频度
   1式 1次
   2式 3001次
   3式4式 3000次
   5式 1次
   T(3000)=1+3001+2*3000+1
   时间开销与问题规模n的关系
   T（n）=3n+3
   由于随问题复杂度的上升常数3对于时间开销并不大所以可以省略
   同理像T（n）=n²+3n+1000中可以省略一次项和常数
   加法规则 多项相加只保留最高项 且系数变为一
   数量级排序表
   O（1）<O(log2ⁿ)<O(n)<O(nlog2ⁿ)<O(n²)<O(n³)<O（2ⁿ）<O(n!)<O(nⁿ)
   口诀 长对幂指阶

T（n）=T1(n)+T2(n)
例 T（n）=n³+n²log2ⁿ
=O(n³)+O(n²log2ⁿ)
=n³
乘法规则 多项相乘都保留
T（n）=T1（n）X T2(n)=O(f(n) )x o（g(n)）=O(f(n)xg(n))
最好时间复杂度 要找的元素在第一个位置
最坏时间复杂度 要找元素在最后位置
平均时间复杂度 假设元素n在任意一个位置概率
循环次数 x=(1+2+3+……+n)1/n=(1+n)/2