一. 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。
为了解决某个或某类问题,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,每一个操作都完成特定的功能。
二. 算法的特性
输入输出 | 有穷性 | 确定性 | 可行性 |
---|---|---|---|
具有零个或多个输入,但至少有一个或多个输出
|
执行有限的步骤后,不会出现无限循环,且在可接受的时间内完成
|
每一步骤具有确定的含义,不会出现二义性;相同的输入只能有唯一的输出结果
|
每一步都是可行的,能通过执行有限次数完成
|
三. 设计要求
正确性 | 可读性 | 健壮性 | 时间效率高和存储量低 |
---|---|---|---|
| 便于阅读、理解和交流 | 输入数据不合法时,算法能做出相关处理 | 用最少的存储空间、时间办成同样的事 |
四. 算法效率的度量方法
1.事后统计法
通过设计好的测试程序和数据,对不同算法编织的程序进行时间比较,从而确定算法效率的高低。
这种算法存在缺陷(不予采纳):
- 必须先依据算法编制程序
- 程序运行的快慢还取决于硬件软件等多种因素
- 测试数据的设计很难把握
2.事前分析估算
在计算机程序编制前,依据统计方法对算法进行估算。
在分析程序运行时间时,重要的是把程序看成独立于程序设计语言的算法或一系列步骤;分析一个算法的运行时间时,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f(n)表示成输入规模n的函数。
(1)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,f(n)的增长渐快于g(n)。
判断一个算法好不好可以对比算法执行次数函数f(n)的渐进增长性,函数中的常数项和其他次要项常常可以忽略,应该关注主项(最高阶项)的阶数。
(2)时间复杂度
算法的时间复杂度,也就是算法的时间度量,记作: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效率和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。T(n)增长最慢的算法为最优算法。
O:取函数的最高阶项且将其系数变为1
例:
f(n) | O() |
---|---|
3 | O(1) |
2n+3 | O(n) |
2n²+n+1 | O(n²) |
3log2(n) +1 | O(logn) |
2n+3nlog2(n)+2 | O(nlogn) |
3n³+2n²+n+3 | O(n³) |
2n | O(2n) |
常见时间复杂度消耗时间排序
O(1)<O(logn)<O(n)<O(nlogn)<O(n²)< O(n³)<O(2n)<O(n!)<O(nn)
此外,复杂度还分为平均时间复杂度和最坏时间复杂度,一般情况下,都是指最坏时间复杂度。
(3)空间复杂度
空间复杂度指运行算法所需的存储空间,有时我们会以空间来换取时间。