算法基础篇 — 认识算法

什么是算法？

引用百度百科的一段话：算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。

在Java中，我是这样理解的。首先算法，需要解决某个描述性的问题。那么这个问题可大可小，大到满足产品特征性业务需求，小到简单的数据输入输出。

比如我需要对某一个样本数据进行排序，那么首先最原始的算法就是把所有的数都比较一遍，那么从时间复杂度来说效率肯定很低，如果这时候就有一个效率较高的算法来进行排序，并且输出结果与最原始的结果又完全正确，那么对于当前这个样本数据我肯定选择无限接近最优的算法。

在Java中，数据结构又会决定算法的适用场景，还需要根据时间复杂度，空间复杂度来择优算法。说了这些，本质是为了提高数据的产出效率。那么效率提现在哪呢？别急，下面会根据应用场景举例说明。

那么评估算法优劣的核心指标是什么？

• 时间复杂度
• 额外空间复杂度
• 常数项时间

算法中常见的名词

时间复杂度

首先我们先抛开那些专业的理论。想象一下，当我们要计算数据样本量很大的时候，一昧的去计算每个细节计算的复杂度，那估计得算到恒星陨落去了。所以我们只看最高阶项那么就知道最坏的情况是多少时间复杂度了。举个例子，某两个时间复杂度计算公式为：

T(n) = an² + bn+c 或 T(n) = xn + yn + zn²

那么这两个公式的最高阶项都为n²，那么时间复杂度就是O(n²)，这时候你就有疑问了，那我n都是常数1呢？这种情况就是时间复杂度最好的情况了，就不能用O(n²) 来衡量这个公式的复杂度了，但是这个公式始终也可能存在最坏的情况，不是常数1，那么用O(n²)来表示这个公式的时间复杂度就完全没问题了。所以决定某个算法的时间复杂度，与数据样本量有关系，和计算时间频度无关，即使是两个不同时间频度的公式，但时间复杂度也存在相同的情况。
我相信在各种博客都会聊到：

在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1)。
按数量级递增排列，常见的时间复杂度有：常数阶O(1)，对数阶O(log2n)，线性阶O(n)，线性对数阶O(nlog2n)，平方阶O(n2)，立方阶O(n3),…，
k次方阶O(nk)，指数阶O(2n)。随着问题规模n的不断增大，上述时间复杂度不断增大，算法的执行效率越低。

关于这个理论实在是太长篇大论了，所以你只需要记住，只看最后计算公式的最高阶项，那么就是它的时间复杂度！

额外空间复杂度

实现一个算法，在实现算法的过程中，你需要开辟一些新的空间来支持你的算法，这就是额外空间。需要注意的是：

• 作为输入参数的空间，不算额外空间。
• 作为输出结果的空间，也不算额外空间。

因为实现算法过程中这些都是必要的，和实现目标有关。如果你的实现过程还需要开辟空间才能完全实现算法的流程，那么这就是额外空间。

如果你的额外空间就是几个临时变量，那么就是常数级别的操作，O(1)。如果你申请了一个与算法输入参数相同的空间，那么就是O(N)。

对数器

对算法准确性的校验。比如我们写了一个算法A，但是你一些简单的数据样本测试通过了，但是用复杂的数据样本测试的时候却报错了，但是又不知道错在哪，怎么办？

• 实现一个时间复杂度效率较低的算法B，或者使用现成的算法API
• 实现一个随机数据样本生成器
• 使用相同的随机样本数据进行测试算法A和B，然后比较结果
• 如果算法AB在某个随机样本下的结果不一致，则调试算法A，进行优化。
• 优化完成后，算法A和B的结果不管随机多少数据样本都一样，那么可以确定这个算法A是正确的

常数项时间

引用百度百科的一段话：在计算复杂度理论中，常数时间是一种时间复杂度，它表示某个算法求出解答的时间在固定范围内，而不依照问题输入数据大小变化。常数时间记为O(1)（采用大O符号）。数字1可以替换为任意常数。

个人理解常数时间复杂度，在Java中是一些不因为数据量样本大小，而对数据操作为固定时间的算法操作就是常数级别的。比如以下例子：

1. 数组寻址操作。比如想在 “访问数组上的元素” 的问题上达到常量时间，只要以元素的下标（index）访问即可。然而 “在数组上搜索最小值” 并不是一个常量时间问题，因为这需要扫描数组上的每一个元素以寻找最小值及其位置，一般需要O(n)次访问。

2. 常见的算术运算（+、-、*、/、%）

3. 常见的一些二进制计算（位移、异同或）

4. 常见的 “值” 运算（赋值、比较、自增、自递减）

为什么自己写算法？

• 算法与程序语言无关。
• 程序语言具备的api无法满足需求时，需要手动改写。
• 软件工具的底层依赖最基本的算法和数据结构。