初识算法

14天阅读挑战赛

1、算法是什么？

在日常生活中，我们其实会用到很多算法，但是我们并不知道哪些是算法。

例子：
1，2，3，4，5，6，7，8，9，10…
其实像上面的，是我们在数学题中让我们就上面的数字总结规律，这种其实我们总结出来的公式其实就是算法。

根据趣味算法一书中了解到：算法是对特定问题求解步骤的一种描述。

算法只是对问题求解方法的一种描述，它不依赖于任何一种语言，既可以用自然语言、程序设计语言（C、C++、Java、Python等）描述，也可以用流程图、框图来表示。通常情况下，为了更清楚地说明算法的本质，我们会去除计算机语言的语法规则和细节，采用“伪代码”来描述算法。“伪代码”介于自然语言和程序设计语言之间，它更符合人们的表达方式，容易理解，但它不是严格的程序设计语言。如果要上机调试，则需要转换成标准的计算机程序设计语言才能运行。

2、算法的特性

• 有穷性：算法是由若干条指令组成的有穷序列，总是在执行若干次后结束，不可能永不停止。

• 确定性：每条语句都有确定的含义，无歧义。

• 可行性：算法在当前环境条件下可以通过有限次运算来实现。

• 输入/输出：有零个或多个输入以及一个或多个输出。

那么好的算法又有哪些标准呢？

3、“好”算法的标准

• 正确性：正确性是指算法能够满足具体问题的需求，程序运行正常，无语法错误，能够通过典型的软件测试，达到预期。

• 易读性：算法遵循标识符命名规则，简洁易懂，注释语句恰当适量，方便自己和他人阅读，便于后期调试和修改。

• 健壮性：算法对非法数据及操作有较好的反应和处理。例如，在学生信息管理系统中登记学生年龄时，若将21岁误输入为210岁，则系统应该有错误提示。

• 高效性：高效性是指算法运行效率高，即算法运行所消耗的时间短。

• 低存储性：低存储性是指算法所需的存储空间小。对于像手机、平板电脑这样的嵌入式设备，算法如果占用空间过大，则无法运行。算法占用的空间大小被称为空间复杂度。

时间复杂度：算法运行需要的时间。

算法的时间复杂度就是算法运行所需的时间。现代计算机一秒能计算数十亿次，所以不能用秒来具体计算算法消耗的时间。由于相同配置的计算机进行一次基本运算的时间是一定的，可以用算法基本运算的执行次数来衡量算法的效率，因此我们将算法基本运算的执行次数作为时间复杂度的衡量标准。

常见的算法时间复杂度有以下几类。

• 常数阶。

  常数阶算法的运行次数是一个常数，如5、20、100。常数阶算法的时间复杂度通常用О(1)表示。

• 多项式阶。

  很多算法的时间复杂度是多项式，通常用О(n)、О(n2)、О(n3)等表示。

• 指数阶。

  指数阶算法的运行效率极差，程序员往往像躲“恶魔”一样避开这种算法。指数阶算法的时间复杂度通常用О(2n)、О(n!)、О(nn)等表示。

• 对数阶。

  对数阶算法的运行效率较高，通常用О(logn)、О(nlogn)等表示。

指数阶增量随着x的增加而急剧增加，而对数阶增长缓慢。它们之间的关系如下：

О(1)< О(logn)< О(n)< О(nlogn) < О(n2)< О(n3)< О(2n) < О(n!)< О(nn)

在设计算法时，我们要注意算法复杂度增量的问题，尽量避免爆炸级增量。

空间复杂度：算法占用的空间大小。

空间复杂度的本意是指算法在运行过程中占用了多少存储空间。算法占用的存储空间包括：

• 输入/输出数据；
• 算法本身；
• 额外需要的辅助空间；

输入/输出数据占用的空间是必需的，算法本身占用的空间可以通过精简算法来缩减，但缩减的量是很小的，可以忽略不计。算法在运行时所使用的辅助变量占用的空间（即辅助空间）才是衡量算法空间复杂度的关键因素。

4、设计算法流程

1、算法设计

根据现有问题来发现规律，然后根据规律编写表达式来设计算法，得出算法。

2、算法验证分析

在得出算法后，需要带入大量的数据进行验证，看此算法是否能和实际问题得出的数据一致。

3、算法改进

在现有算法基础上可再根据时间复杂度和空间复杂度进行优化，是算法的所用时间更短、运行效率更高。