数据结构_算法

1、数据结构与算法的关系
算法是对数据进行处理，而数据结构决定这些数据之间的关系以及如何在计算机中存储。
2、算法的定义
算法是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个特定的操作。
这里的指令能被人或机器等计算装置执行。它可以是计算机指令，也可以是我们平时的语言文字。
3、算法的特性
算法具有五个特性：输入、输出、有穷性、确定性和可执行性。
（1）输入输出：算法有零个或多个输入，有一个或多个输出。
（2）有穷性：指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每个步骤在而接受的时间内完成。
（3）确定性：算法的每一步骤都具有确定的含义，不会出现二义性。算法在一定条件下，只有一条执行路径，相同的输入只能有唯一的输出结果。算法的每一步骤都被精确定义而无歧义。
（4）可执行性：算法的每一步骤都必须是可行的，也就是说，每一步 都是通过执行有限次数完成。
4、算法设计的要求
（1）正确性：指算法至少应该具有输入、输出和加工处理无歧义性、能正确反映问题的需求，能够得到问题的正确答案。分为以下四个层次：算法程序没有语法错误；算法程序对于合法的输入数据能够产生满足要求的输出结果；算法程序对于非法的输入数据能够得出满足规格说明的结果；算法程序对于精心选择的，甚至刁难的测试数据都有满足要求的输出结果。
（2）可读性：算法设计的另一目的是为了便于阅读、理解和交流。
（3）健壮性：当输入数据不合法时，算法也能作出相关处理，而不是产生异常或者莫名奇妙的结果。
（4）时间效率高和存储量低：时间效率指算法的执行时间；存储量需求指的是算法在执行过程中需要的最大存储空间（包括内存和外部磁盘存储空间）。
4、算法效率的度量方法
（1）事后统计方法
通过设计好的测试程序和数据，通过计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法运行效率的高低。
存在如下缺陷：
必须事先编制好程序，花费大量时间和精力，但结果并不一定是好的；依赖于计算机硬件和软件等环境因素；算法的测试数据设计困难。
（2）事前分析估算法
在计算机程序编制前，依据统计方法对算法进行估算。
一个高级程序语言编写的程序在计算机上运行时所消耗的时间由以下因素决定：
1）算法采用的策略、方法；——算法好坏的根本。
2）编译产生的代码质量；——由软件支持
3）问题的输入规模；
4）机器执行指令的速度。——看硬件性能
一个程序的运行时间，依赖于算法的好坏的问题的输入规模。
测试运行时间最可靠的方法是计算对运行时间有消耗的基本操作的次数。运行时间与这个计数成正比。
在分析程序的运行时间时，最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤。
在分析一个算法的运行时间时，重要的是把基本操作的数量与输入规模关联起来，即基本操作的数量必须表示成输入规模的函数。
5、函数的渐近增长
输入规模n在没有限制的情况下，只要超过一个数值N，这个函数就总是大于另一个函数，则称函数是渐近增长的。如f(n)=2n+3,g(n)=3n+1,n大于2时，g(n)大于f(n)。
判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，而更应该关注主项（最高阶项）的阶数。
某个算法，随着n的增大，会越来越优于或者差于另一算法。这其实是事前估计算法的理论依据，通过算法时间复杂度来估算算法时间效率。
9、算法的时间复杂度
（1）定义
算法时间复杂度的定义：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随着n的变化情况并计算T(n)的数量级。算法的时间复杂度，也就是算法的时间度量，记作：T(n)=O(f(n))，它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称时间复杂度。其中，f(n)是问题规模n的某个函数。
大O记法。
一般情况下，随着n的增大，T(n)增长最慢的算法称为最优算法。
O(1)常数阶 O(n)线性阶 O(n²)平方阶。
（2）推导大O阶法
即分析一个算法的时间复杂度。步骤如下：
用常数1取代运行时间中的所有加法常数；
在修改后的运行次数函数中，只保留最高阶项；
如果最高阶项存在且不是1，则去除与这个项相乘的常数。
得到的结果就是大O阶。
(3)常数阶

这个算法的运行次数函数f(n)=3，其时间复杂度为O(1)。这种与问题的大小无关（n的多少），执行时间恒定的算法，我们称之为具有O(1)的时间复杂度，又叫做常数阶。对于分支结构而言，无论是真还是假，执行的次数都是恒定的，不会随着n的变大而发生变化，所以单纯的分支结构（不包含在循环结构中），其时间复杂度也是O(1)。
（4）线性阶
线性阶的循环结构会复杂很多。要确定某个算法的阶次，我们常常需要确定某个特定语句或某个语句集运行的次数。因此，我们要分析算法的复杂度，关键就是要 分析循环结构的运行情况。下面这段代码，它的循环时间复杂度为O(n)。
（5）对数阶

（6）平方阶


10、常见的时间复杂度

11、最坏情况与平均情况
查找一个有n个随机数字数组中的某个数字，最好的情况是第一个数字就是，那么算法的时间复杂度为O(1)，但也可能这个数字就是在最后一个位置上，那么算法的时间复杂度就是O(n)，这是最坏的一种情况。最坏情况运行时间是一种保证，那就是运行时间将不会再坏了。在应用中，这是一种重要的需求，通常，除非特别指定，我们提到的运行时间都是最坏情况的运行时间。平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。在现实中，平均运行时间很难通过分析得到，一般都是通过云心一定数量的实验数据后估算出来的。
12、算法空间复杂度
算法的空间复杂度通过计算算法所需的存储空间是实现，算法空间复杂度的计算公式记作S(n)=O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。一般情况下，一个程序在机器上执行时，除了需要存储程序本身的指令、常数、变量和输入数据外，还需要存储对数据操作的存储单元。若输入数据所占空间只取决于问题本身，和算法无关，这样只需要分析该算法在实现时所需要的辅助单元即可。若算法执行时所需的辅助空间相对于输入数据量而言是个常数，则称此算法为原地工作，空间复杂度为O(1)。
本书所指的复杂度为时间复杂度。