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。