第二章 算法和算法分析

1.算法的定义：

　　算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中的每条指令表示一个或多个操作。

2.算法的特性：

　　（1）有穷性：一个算法必须总在执行有穷步之后结束，且每一步都在有穷时间内完成。

　　（2）确定性：算法中每条指令必须有确切的含义，对于相同的输入只能得到相同的输出。

　　（3）可行性：算法中描述的操作都可以通过已经实现的基本运算执行有限次来实现。

　　（4）输入：一个算法有零个或多个输入。

　　（5）输出：一个算法有一个或多个输出。

　　‘好’的算法考虑到以下目标：

　　　　（1）正确性：算法能够正确地解决求解问题。

　　　　（2）可读性：具有良好的可读性，以帮助人理解。

　　　　（3）健壮性：输入非法数据时，算法能适当地作出反应或进行处理，而不会产生莫名其妙的输出结果。

　　　　（4）效率与低存储量需求：效率是指算法执行的时间，存储量是指算法执行过程中所需要的最大存储空间，这两者与问题规模有关。

3.算法的时间复杂度

　　一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，用T(n)表示，若有某个辅助函数f(n),存在一个正常数c使得T(n)<= c*f(n)恒成立。记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。

4.算法的空间复杂度

　　空间复杂度是指算法在计算机内执行时所需存储空间的度量。记作:S(n)=O(f(n))

5.算法时间复杂度和空间复杂度计算

　　通常计算最坏时间复杂度与最坏空间复杂度

6.O标记法，O标记法的意义

　　f(n) = O(g(n)) 表示的含义是f(n)以g(n)为上界，O表示最坏时间复杂度

　　

7.Ω标记法，大Ω标记法的意义

　　f(n) = Ω(g(n)) 表示的含义是f(n)以g(n)为下界

　　

 　　当函数的大小只有下界，没有明确的上界的时候，可以使用大Ω表示法，Ω一般用于描述算法的最优复杂度 。

8. θ标记法，大θ标记法的意义

　　f(n) = Θ(g(n)) 表示的含义是g(n)是f(n)的确界

       

　　用于界定函数的渐进上界和渐进下界。当 f(n)= θ(g(n)) 的时候，代表着g(n)为f(n)的渐进紧确界。而θ渐进描述符在所有的渐进描述符中是最严格的一个，因为它既描述了函数的上界，有描述了函数的下界。

 9. 时空权衡原则

　　以空间换时间的技术：通常使用额外的存储空间来实现更快或更方便的数据存取。