算法绪论篇---时间复杂度的计算

算法的定义

给定计算问题，算法是一系列良定义的计算步骤，逐一执行计算步骤即可以得到预期输出
算法可以把输入变成我们想要的输出的效果的一系列步骤。

算法的性质

• 有穷性：算法必须在有限个计算步骤后终止
• 确定性：算法必须是没有歧义的
• 可行性：可以机械的一步一步执行基本操作步骤

算法的表示

• 自然语言：人类语言描述算法步骤，但是问题庞大容易产生歧义
• 机器语言：机器语言众多，c,java等，不同语言编写的算法，对学习算法着对语言的掌握程度高，不易于算法思想的学习
• 伪代码（使用）：代码与自然语言的结合，更好。

算法的分析

• 空间复杂度：对内存需求的大小
• 时间复杂度：对运算时间长短的比较（我们主要分析）

针对时间复杂度的分析：
我们计算一些基本操作的时间，比如：加减乘除运算，赋值，比较。每次机器运算都表示为消耗一个单元，加起来算法总的消耗单元，再做比较。

我们假设时间复杂度只与输入规模（n）有关，输入情况有：

• 最好情况
• 一般情况
• 最坏情况

时间复杂度用函数T(n)表示

算法分析的工具：
渐进分析：忽略T(n)的系数和低阶项，仅关注高阶项，用记号θ表示
渐进记号：

• 渐进紧确界：T(n)=θ(g(n))【c1g(n)<=T(n)<=c2g(n)】
• 渐进上界：T(n)=O(g(n))（常用）【0<=T(n)<=cg(n)】
• 渐进下界：T(n)=Ω(g(n))【0<=cg(n)<=T(n)】

计算机是以二进制为计算的，所以我们把log以2为底的n，记为符号logn（换底公式，提出常数在计算中会常用）

算法中的O(1), O(n),O(logn), O(nlogn)分别是什么意思

算法分析例题：




复杂度的比较方法：

• 取对数
• 求积分
• 求极限
• 放缩法

给出一个例子：（将函数分为常数阶、对数阶、多项式阶和指数阶）