数据结构 第二章 算法

数据结构—第二章—算法

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.算法的特性：输入、输出、有穷性、确定性、可行性。
（1）输入输出：算法具有零个或多个输入，至少有一个或多个输出；
（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无限循环，并且每一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）可行性：算法的每一步都必须是可行的，也就是说，每一步都能够通过执行有限次数完成。

3.算法设计的要求
（1）正确性：算法的正确性是指算法至少应该具有输入、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；
（2）可读性：算法设计的另一目的是为了便于阅读、理解和交流。
（3）健壮性：当输入数据不合法时，算法也能做出相关处理。而不是产生异常或莫名其妙的结果；
（4）时间效率高和存储量低：设计算法应该尽量满足时间效率高和存储量低的需求。

4.算法效率的度量方法
（1）事后统计方法：这种方法主要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。（该方法缺陷较多，不予采纳）
（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。（抛开硬件、软件有关的元素，一个程序的运行时间，依赖于算法的好坏和问题的输入规模（输入量的多少）。）

ps：判断一个算法的效率时，函数中的常数和其它次要项常常可以忽略，而更应该关注主项（最高阶项）的阶数。

5.算法时间复杂度
（1）定义：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，记做：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，称作算法的渐进时间复杂度，简称为时间复杂度。其中f（n）是问题规模n的某个函数。
ps：这样用大写O（）来体现算法时间复杂度的记法，称之为大O记法。
（2）推导大O阶：
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，值保留最高阶项。
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。

6.常用的时间复杂度所耗费的时间从小到大依次为：
O(1) < O(log n) < O(n) < O(nlog n) < O(n²） < O(n³） < O(2^n) < O(n!) < O(n^n)

7.最坏情况与平均情况
最坏情况运行时间是一种保证，那就是运行时间将不会再坏了，在应用中，这是一种最重要的需求，通常，除非特别指定，我们提到的运行时间都是最坏的运行时间。

8.算法空间复杂度
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做：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。