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。