重学数据结构之第二章-算法

1、算法定义

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操作。

2、算法的启示

举个例子，求1+2+3+…+100之和，我们来看两段代码：
代码片段1：

int sum = 0,n = 100;
for(int i = 1 ; i < n ; i ++){
	sum += i;
}
//sum结果5050
system.out.println(""+ sum);

代码片段2：

int sum = 0 , n = 100;
sum = ( 1 + n ) * n / 2;
//sum结果5050
system.out.println(""+ sum);

同样的结果，我们可以明显的看出代码片段2执行速度要快得多，这就是算法的优势和好处。

3、算法的特性

算法具体五个基本特性：输入、输出、有穷性、确定性、可行性。

3.1、输入输出

算法具有零个或多个输入。算法至少有一个或多个输出。

3.2、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死循环，并且每一个步骤在可接受的时间内完成。

3.3、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。在一定条件下，算法只有一条执行路径，相同的输入只能由唯一的输出结果。

3.4、可行性

算法的每一步都必须是可行的，就是说，每一步都能通过执行有限次数完成。

4、算法设计的要求

算法设计要求主要包含四个方面：正确性、可读性、健壮性、时间效率高和存储量低。

5、算法效率的度量方法

主要有两种：事后统计方法和事前分析估算方法

6、函数的渐近增长

给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N总是比g(n)大，那么我们说f(n)的增长渐近快于g(n)。

7、算法的复杂度

主要包括两个方面：时间复杂度和空间复杂度。
时间复杂度：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n的变化情况并确定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，简称为时间复杂度，其中f(n)是问题规模n的某个函数。

空间复杂度：通过计算算法所需的存储空间实现，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。

8、推到大O阶的方法

• 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，则去除于这个项目相乘的常数。
• 得到的就是大O阶。

常数阶O(1)，线性阶O(n),对数阶O(logn),平方阶O(n²)

---

原创不易，求个关注。

微信公众号： 一粒尘埃的漫旅

里面有很多想对大家说的话，就像和朋友聊聊天。
写代码，做设计，聊生活，聊工作，聊职场。
我见到的世界是什么样子的？
搜索关注我吧。