第一天：算法的评估

先读《程序员实用算法》这本书吧，每天一小步

算法一般被设计用于以最小的代价高效地解决特定的问题。一般来说，算法最重要的度量标准是时间。

度量性能

算法不依赖于计时，而是依赖于一个直观的方程，以显示输入的大小与性能直接的关系。用于显示这种关系的传统方法是使用符号O，称为大O表示法(big-oh notation)。在大O表示法中并不考虑可能影响性能的其它因素，该表示法只是简单的说明数据规模（一般用N表示，偶尔也用n表示）与算法的典型性能之间的关系。

例如：冒泡排序算法，对于一个给定的项目列表，通过遍历一次列表对其中的每个项目进行排序。每次遍历，都会减少一个要检查的元素。所以对于N个元素的列表，依次需要比较N-1，N-2，N-3......，2，1，所以比较的总次数为N(N-1)/2，在大O表示法中，数据规模和执行之间的关系（将这种关系成为性能）将记作O(N(N-1)/2)。

如果一种算法的性能比O(N * N)更差，我们通常认为它是无用的。通过分析可以发现在大O表示法中N的阶是至关重要的，二其前面的常数则不是（随着N的增大，常数的作用会越来越小）。因此，大O表示法中仅使用N的阶，不使用常数。因此，冒泡排序法的大O表示为：0(N(N-1))。

平均情况和最坏情况

只根据单个方程或度量标准来确定算法的性能是远远不够的。某些算法在大多数情况下性能很好，但是在最坏的情况下的结果可能是无法接受的。因为对于通用算法而言我们一般无法限定算法的输入，因此分析并处理算法的最坏情况，显得十分重要。

修改算法

一般有两种策略：优化现有的算法或者开发新的算法。优化算法的时候，一般不会尝试使其性能方程降级。而是优化其关键步骤的执行时间，来达到提高性能的目的。新开发的算法，一般就是开发一种新的算法使性能方程降级。

在算法修改中，首先应该应用标准技术：使用输入/输出（I/O）减小到最小，减少函数调用次数，限制计算密集型操作，比如浮点运算和频繁的使用除法运算。然后，必须确定执行得最频繁的算法元素。最后，要检查可能由于疏忽而导致特别缓慢的实现。

1. I/O优化

I/O通常发生在毫秒级时间范围内，而CPU活动一般发生在亚微妙级的范围内。因此，对于算法而言，任何I/O的代价都非常高昂。如果不能消除I/O本身，那么可以通过缓存来减小它的影响

2. 函数调用优化

常见的方法是使用inline函数或者宏，把函数直接隐藏在算法中。另一种方法是消除递归，在可能的情况下，尽量避免使用递归。