算法初体验之算法的基本概念及定义

很多学生，学了四年的计算机专业，很多程序员，做了很长时间的编程工作，却始终搞不懂算法时间复杂度的估算，这不得不说是一件很可悲的事情。因为弄不清楚，也就不去深究自己写的代码是否效率低下了，是不是可以通过优化让计算机更加快速高效。

算法的定义

算法是解决特定问题求解步骤的描述，在计算机中为指令的有限序列，并且每条指令表示一个或多个操作

算法的特征

有穷性，确定性，可行性，输入，输出。

算法的设计的要求

正确性，可读性，健壮性，高效率和低存储量的要求

算法的度量方法

事后统计法，事前分析估算方法

在讲解如何让使用事前估算法之前，我们先给出了函数渐进增长的的定义。

函数的渐进增长：给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N,f(n)总是比g(n)大，那么，我们说f(n)的增长渐进快于g(n).于是我们可以得出一个结论，判断一个算法好不好，我们只通过少量的数据是不能做出准确判断的，如果我们可以对比算法的关键执行次数的渐进增长性，基本就可以分析出：某个算法，随着n的变大，它会越来越优于另一种算法，或者说越来越差于另一种算法。然后给出了算法时间复杂度的定义和推导大O阶的步骤。

推导大O阶：

• 用常数1取代运行时间中的所有加法常数
• 在修改后的运行次数函数中，只保留最高阶项
• 如果最高阶项存在且不是1，则去除与这个项相乘的常数
  得到的结果就是大O阶

通过这个步骤我们可以得到算法运行次数表达式后，很快得到它的时间复杂度，即大O阶，同时我也提醒大家，其实推导大O阶很容易，但如何得到运行次数的表达却是需要数学功底的。

总结

假设CPU在短短几年间，速度提高了100倍，这其实已经很夸张了，而我们某个算法可以写出的时间复杂度是O(n)的程序却写出了O(n²)的程序，仅仅因为容易想到也容易写。即在O(n²)的时间复杂度算法程序下，速度其实只提高了10倍，而对于O(n)的时间复杂度的算法来说，那才是真的100倍。也就是说，一台老式CPU的计算机运行O(n)的程序和一台速度提高100倍新式CPU运行 O(n²)的程序，最终效率高的胜利方却是老式CPU的计算机，原因在于算法的好坏决定了程序运行的效率。