目录
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。