《大话数据结构》之算法笔记

1. 算法的特性

    1）输入输出，算法可有有零个或多个输入，但至少有一个或多个输出；

    2）有穷性，算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每个步骤在可接受的时间内完成；

    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；

    4）可性性，算法的每一步都必须是可行的，也就是说，每一步都能通过执行有限次数完成；

2. 算法设计的要求

    1）正确性，算法的正确性是指算法至少应具有输入、输出和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案。大致分以下四个层次：

        a. 没有語法错误；

        b. 对于合法的输入数据能够产生满足要求的输了結果；

        c. 对于非法的输入数据能效得出满足规格说明的結果；

        d. 对于精心选择的，甚至刁难的测试数据都有满足要求的输出結果；

    以上4条也可作为测试用例的参考。

    2）可读性，算法设计的另一上的是为了便于阅读、理解和交流。可读性是算法好坏的一个重要标志；

    3）健壮性，当输入数据不合法时，算法能做出相关处理，而不是产生异常或莫名其妙的結果；

    4）时间效率高和存储量低，时间效率高是指算法执行的时间短，存储量低是指算法运行时所占内存或硬盘存储空间量小；

3. 算法效率的度量方法

    1) 事后统计方法，这种方法是通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率的高低。但这种方法有很大的 缺陷：

        ■ 必须依据算法事先编制好的程序，这通常需要花费大量的时间和精力；

        ■ 比较依赖计算硬件和软件等环境因素，有时会掩盖算法本身的优劣；

        ■ 测试算法设计困难，这往往还与测试数据的规模有很大关系，效率高的算法在小的测试数据面前得不到体现；

    2) 事前分析估算方法，在计算机程序编制前，依据统计方法对算法进行估算，以下因素将决定算法的优劣：

        ■ 算法采用的策略、方法，这条是算法好坏的根本；

        ■ 编译产生的代码质量，这条是软件因素；

        ■ 问题的输入规模；

        ■ 机器执行指令的速度，这条是硬件因素；

    抛开软、硬件因素，一个程序的运行时间，依赖于算法的好坏和问题输入的规模。

4. 函数的渐近增长

    这里借用数学函数来对算法优劣做比较，给定两个函数f(n) 和 g(n)，如果存在一个整数N，使用得对于所有的 n > N，f(n)总是比g (n) 大，那么，我们说 f(n)的增长渐近快于 g(n)。如：

   

    另外，最高次项的指数大的，函数随着n的增长，结果也会变得增长很快。

    结论：判断一个算法的效率时，函数中的常数和其他次要项常常可省略，而更应关注最高阶项的阶数！

         最坏情况与平均情况：

        最坏情况运行时间是一种保证，那就是运行时间不会再坏了。在应用中，这是一种最重要的需求。通常，除非特别指定，提到的运行都是最坏情况的运行时间。

        平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。现实中，平均运行时间很难通过分析得出，一般都是通过运行一定数量的实验数据后估算出来的。

5. 算法的时间复杂度

    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，也就是算法的时间量度，记作： T(n) = O(f(n))。它表示问题规模n的增大，算法执行时间的增长率和 f(n) 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。以大写O 来描述算法复杂度的记法称之类大O记法。

    推导大O的阶步骤：

        a. 用常数1取代运行时间中的所有加法常数；

        b. 在修改后的运行次数函数中，只保留最高阶项；

        c. 如果最高阶项存在且不是1，则去除与这个项相乘的常数；

    经过以上3步就能得到大O阶。

    一般情况下，如果随着n的增长，T(n)增长最慢的那个算法是最优算法。

    以下是常见的时间复杂度，按复杂从小到大排列：

        O(1) 常数阶，

        O(logn) 对数阶，

        O(n) 线性阶，

        O(n^2) 平方阶,

        O(n^3) 立方阶，

        O(2^n) 指数阶，

        O(n!) 阶乘阶

    对大O的推导更多的是考察数学能力。

6. 算法空间复杂度

    在写代码时，可以通过以空间来换取时间。至于哪一个更好，要看实际的应用环境。

    算法的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)) ，n是问题规模，f(n)是关于n所占存储空间的函数。

    不过，通常情况下，我们所讨论的算法复杂度，都是指时间复杂度。