【数据结构】算法基本概述

一、概念

为了解决某个或牟烈问题，需要把指令表示成一定的操作序列，操作序列包括一组操作，每个操作都完成特定的功能，这几是算法。

二、基本特性：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，可以是打印输出，也可以是返回一个或多个值等。

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 死循环，并且每一个步骤在可接受的时间内完成。

3、确定性：算法的每一个步骤都具有确定的含义，不会出现二义性。相同的输入只能有唯一的输出结果。

4、可行性：每一步都必须是可行的额，每一步都是通过执行有限次数完成。

设计要求：正确性、可读性、健壮性、时间效率高和存储量低

健壮性：当输入数据不合法时，数据也能做出相关处理，而不是产生异常或者莫名其妙的结果。

三、算法效率的度量方法

1、事后统计方法：通过设计号的测试程序和数据，利用计算机计时功能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。

2、事前分析估算方法：程序编制前，依据统计方法对算法进行估算。

 消耗时间取决于下列因素：

    1）算法采用的策略、方法；（根本）

    2）编译产生的代码质量；（软件性能）

    3）问题的输入规模；（输入量的多少）

    4）机器执行指令的速度；（硬件性能）

在分析程序的运行时间时，最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤。把基本操作的数量与输入规模关联起来，即基本操作的数量必须表示成输入规模的函数。f(n)~n

四、函数的渐近增长

1、给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于多有的n>N，f(n)总是比g(n)大，那么我们就说f(n)的增长渐近于快 g于(n)。

2、可以忽略加法常数项

3、与最高次项相乘的常数并不重要

4、最应该关注主项（最高次项）的阶数。

五、算法的时间复杂度

1、算法的时间度量，记做：T(n)=O(f(n))。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，称做算大的渐近时间复杂度，简称时间复杂度。

2、O()--大o记法。O(1)-常数阶    O(n)-现行阶     O(n^2)-平方阶

3、推导大O阶：

    1）用常数1取代运行时间中的所有加法常数

    2）在修改后的运行次数函数中，只保留最高阶项；

    3）如果最高阶项存在且不是1，则去除与这个项相乘的常数。

4、常见的时间复杂度所耗时间的大小排列：

O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n) 

常数阶 < 对数阶 < 现行阶 < nlogn阶 < 平方阶 < 立方阶 < 阶乘阶 < 指数阶

5、空间复杂度：S(n) = O(f(n))。

六、最坏情况与平均情况

1）最坏情况运行时间是一种保证，通常提到的都是最坏情况运行时间

2）平均运行时间是所有情况中最有意义的，是期望的运行时间。