(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)
- 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)
- 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)