02-算法[笔记]

第二章 算法

一、算法

1.1 算法的描述

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，并且每条指令表示的是一个或多个操作。

比如经典的问题，如何把大象装进冰箱里？

1. 把冰箱打开
2. 把大象装进冰箱
3. 把冰箱关上

上面的描述就构成了一个简单的算法。

1.2 算法的特性

算法拥有五个基本特性：

• 输入输出
• 有穷性
• 确定性
• 可行性

对于算法的输入输入，要求的是算法至少有一个输出，可以没有输入，否则一个不与外界产生交互的算法没有任何意义。

有穷性是指算法的执行要在有限的步骤之下，而有限的步骤又必须在可接受的时间内完成，否则一个30年才能执行完毕的算法很难产生现实意义。

算法的确定性是指，每一个步骤必须是明确的，不能出现二义性，不能像一千个读者就有一千个汉姆雷特那样。

算法的可行性指算法设计的每一步都是具体可执行的，比如我给自己人生设计一个考上清华的算法，但是有一个步骤是每天学习24个小时，这完全就是荒唐了。

1.3 算法设计的要求

对于算法设计的也有五个要求：

• 正确性
• 可读性
• 健壮性
• 时间效率高和存储量低

就比如我们高中做题，一个优秀的解应该满足哪些条件？

第一，它必然是正确的，否则称不上解、也称不上优秀

第二，它必然是可阅读的，老师无法阅读你解的步骤就无法给你真实的评价

第三，它必然是健壮的，当某些不服气的同学拿一些极端情况去攻击你的解法时，你的解法要禁得起考验

第四，它必然要耗时短和足够的简洁，否则也称不上优秀的解嘛，聪明的人还是很多的

把算法特性和算法设计的要求画在一张思维导图上，明确它们之间的区分：

依照我个人的理解，算法的特性是对算法本身的要求，算法设计的要求是对优秀算法的要求。

二、算法效率的度量方法

2.1 事后统计法

事后统计法，这种方法主要是通过设计好的测试程序和数据，利用计算机定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。

这个方法理解起来很简单，就跟运动员比赛跑步一样，同一起点、同一长度的赛道，谁先到终点谁速度快。

这种方法的优点就是简单直观，缺点罗列如下：

1. 必须依据算法事先编制好程序，这一般而言要花费的功夫巨大
2. 时间的比较依赖计算机硬件和软件等环境因素，有时会掩盖算法本身的优劣
3. 算法的测试数据设计困难，并且程序的运行时间往往与测试数据的规模有很大关系

总之，事后估计法并没有被广泛的采纳，而是丢进了历史的垃圾桶里，而一种为今人广为称道的方法是事前分析估计方法。

2.2 事前分析估计方法

事前分析估计方法，在计算机程序编制前，依据统计方法对算法进行估算。

分析两种求和算法:

第一种算法

int i, sum = 0, n = 100;   // 执行1次
for(i=1; i<=n; i++)        // 执行n+1次
{
	sum = sum + i;          // 执行n次
}
printf("%d\n", sum);       // 执行1次

：

第二种算法：

int sum = 0, n = 100;     // 执行1次
sum = (1 + n) * n/2;      // 执行1次
printf("%d\n", sum)       // 执行1次

第一种算法一共执行1+（n+1）+n+1=2n+3次，第二种算法执行1+1+1=3次，算法的好坏显而易见。

2.3 算法时间复杂度

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。

算法时间复杂度,也就是算法的时间量度，记作T(n)=O(f(n))。它表示随问题规模n的增大，算法执行的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称时间复杂度，其中f(n)是问题规模n的某个函数。

2.4 推导大O阶方法

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其系数不是1，则去除与这个项相乘的系数

得到的结果就是大O阶，按照我的理解就是找最高阶，并使最高阶的系数为1，其他项不用考虑。

2.5 常见的时间复杂度

执行次数函数	阶	非正式术语
12	O(1)	常数阶
2n+3	O(n)	线性阶
3n^2+2n	O(n^2)	平方阶
5log(n)+20	O(log(n))	对数阶
2n+3nlog(n)+19	O(nlog(n))	nlog(n)阶
6n3+2n2+3n+4	O(n^3)	立方阶
2^n	O(2^n)	指数阶

常见时间复杂度耗费时间从小到大排序如下：

O(1)<O(log(n))<O(n)<O(nlog(n))<O(n^2)<O(n3)<O(2^n)<O(n!)<O(nn)

^n | O(2^n) | 指数阶 |

常见时间复杂度耗费时间从小到大排序如下：

O(1)<O(log(n))<O(n)<O(nlog(n))<O(n^2)<O(n3)<O(2^n)<O(n!)<O(nn)

三、推荐

昨天在下班的路上，偶然看到一个电流表制作的视频，希望对大家的热爱有所帮助。

年轻人的，第二个电流表（完整开源）