（二）算法和算法评价

（二）算法和算法评价

1、算法的基本概念

算法是对特定问题求解步骤的描述，它是指令的有限序列，每一条指令表示一个或多个操作。

重要特性：

（1）有穷性：一个算法必须在执行有穷步之后结束，且每步都要在有穷时间内完成

（2）确定性：算法中的每条指令都必须有确切的含义，对于相同的输入只能有相同的输出

（3）可行性：算法中描述的每个操作都可以通过执行有限次基本运算来实现。

（4）输入：有0个或多个输入。

（5）输出：有一个或多个输出，与输入有某种特定关系

设计好算法，通常要考虑达到以下目标：

（1）算法可以正确的解决问题

（2）应具有良好的可读性，易于理解

（3）健壮性：输入非法数据时，算法可以做出适当的反应或处理

（4）效率和低存储

2、算法效率度量

算法效率的度量是通过时间复杂度和空间复杂度来描述的。

2.1 时间复杂度

单个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记为T(n)，是该算法问题规模n的函数，时间复杂度主要分析T(n)的数量级。算法中基本运算（最深层循环内的语句）的频度与T(n)同数量级。其实说白一点，也就是「 大O符号表示法 」，即 T(n) = O(f(n))。f(n)表示每行代码执行次数之和，O表示正比例关系。全称叫做算法的渐进时间复杂度

例子：

for(let i = 1; i<n; i++){
	j = i
	j++
}

时间复杂度为O(n)。

析：假设每行代码的执行时间是1，那么第一行代码的执行时间就是1 ，第二、三行执行时间是n，也就是总时间=1+n+n，即T(n) = 2n+1，所以时间复杂度简化为O(n).

常见 时间复杂度：

• 常数阶O(1)

  • 无论代码执行多少行，只要没有循环等复杂结构

• 对数阶O(logN)

  • int i = 1;
    while(i<n)
    {
        i = i * 2;
    }
    

    在while循环里面，每次都将 i 乘以 2，乘完之后，i 距离 n 就越来越近了。我们试着求解一下，假设循环x次之后，i 就大于 2 了，此时这个循环就退出了，也就是说 2 的 x 次方等于 n，那么 x = log2^n

• 线性阶O(n)

  • 代码执行的次数随着n的变化而变化

• 线性对数阶O(nlogN)

  • 将时间复杂度为O(logn)的代码循环N遍的话，那么它的时间复杂度就是 n * O(logN)，也就是了O(nlogN)

    for(m=1; m<n; m++)
    {
        i = 1;
        while(i<n)
        {
            i = i * 2;
        }
    }
    

• 平方阶O(n²)

  • 如果把 O(n) 的代码再嵌套循环一遍，它的时间复杂度就是 O(n²)

• 立方阶O(n³)

  • O(n³)相当于三层n循环，其它的类似

• K次方阶O(n^k)

• 指数阶(2^n)

上面从上至下依次的时间复杂度越来越大，执行的效率越来越低。

2.2 空间复杂度

空间复杂度S(n)定义为该算法所耗费的存储空间，是问题规模n的函数，S(n) = O(g(n))

空间复杂度比较常用的有：O(1)、O(n)、O(n²)

1. 空间复杂度 O(1)

如果算法执行所需要的临时空间不随着某个变量n的大小而变化，即此算法空间复杂度为一个常量，可表示为 O(1)
举例：

int i = 1;
int j = 2;
++i;
j++;
int m = i + j;

代码中的 i、j、m 所分配的空间都不随着处理数据量变化，因此它的空间复杂度 S(n) = O(1)

1. 空间复杂度 O(n)

我们先看一个代码：

int[] m = new int[n]
for(i=1; i<=n; ++i)
{
   j = i;
   j++;
}

这段代码中，第一行new了一个数组出来，这个数据占用的大小为n，这段代码的2-6行，虽然有循环，但没有再分配新的空间，因此，这段代码的空间复杂度主要看第一行即可，即 S(n) = O(n)