算法和算法分析基础

算法：对求解步骤的描述，是一组指令的有序序列，算法必须是有穷的，可行的，并且要有输入输出

通常我们对算法设计的要求有

正确性：应该满足具体问题的需求。

可读性：出了让机器执行，算法设计还应方便人的阅读和交流

健壮性：经得起测试

效率与低存储量：算法执行的时间要越短越好，占用的存储空间应该越少越好

 

算法效率的度量：

一般分为事后统计和事前分析估算

因为计算机的硬件，软件环境等因素会常常掩盖算法本身的优劣，所以人们常常采用事前分析的方法

这样抛开计算机硬件和软件相关因素，一个特定算法的复杂度只依赖于问题的规模

一个算法是由控制结构（顺序，分支，循环三种），和原操作构成，算法的时间取决与两者的综合

一般情况下算法重复次数是问题规模n的某个函数（f（n））

T（n） = O（f（n））

eg：

for(i = 1; i <= n ;  i++){

    for(j = 1 ; j <= n ; j++){

        c[i][j] = 0;

        for(k = 1 ; k <= n ; k++){

           c[i][j] += a[i][k] * b[k][j];

         }

    }

}

算法复杂度：T（n） = O（n*n*n）

理想状态下随着n的增大算法执行时间的增长率和f（n）的增长率相同，称为算法的渐近时间复杂度，简称时间复杂度

算法所需要的存储空间S（n） = O（f（n））称为空间复杂度