数据结构和算法 —— 算法

什么是算法？

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

算法的5个基本特征：输入、输出、有穷性、确定性和可行性

•     输入：算法具有零个或多个输入

•     输出：算法至少有一个或多个输出

•     有穷性：算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且                           每一个步骤在可接受的时间内完成

•     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（算法在一定条件下，只有一条执行路径相同的输入只能有唯一的输出结果；算法的每个步骤都应该被精确定义而无歧义）

•     可行性：算法的每一步都必须是可行的（每一步都能够通过有限步骤完成）

 

算法的设计要求：

•     正确性：算法的正确性是指算法至少应该具有输入、输出和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案

正确性分以下四个层次：

1、算法程序没有语法错误

2、算法程序能够对合法输入能够产生满足要求的输出

3、算法程序能够对非法输入产生满足规格的说明

4、算法程序对于故意刁难的测试输入都有满足要求的输出结果

•     可读性：算法设计的目的是便于阅读、理解和交流

•     健壮性：当输入数据不合法时，算法也能做出相关处理，而不产生异常或其它不可思议的结果

•     时间效率高、存储量低

算法效率的测试方法：事前分析估算方法

事前分析估算方法是指在计算机程序编写前，依据统计方法对算法进行估算

一个高级语言编写的程序在计算机上运行时消耗的时间取决于下列因素：

1、算法采用的策略、方案

2、编译产生的代码质量

3、问题的输入规模

4、机器执行指令的速度

结论：判断一个算法的效率时，函数中的常数和其它次要项常常可以忽略，而更应该注重最高项的阶数。

算法时间复杂度的定义：

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。算法的时间复杂度，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，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

一般情况下，随着输入规模 n的增大，T(n)怎张最慢的算法是最优的算法。

三个求和算法的时间复杂度分别为O(1)、O(n)、O(n^2)

如何分析一个算法的时间复杂度？

常数阶、线性阶(一般涉及到的是非嵌套循环)、平方阶(循环嵌套)、对数阶

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(3n^2等价于n^2)

4、得到的最后结果就是大O阶

结论 ：循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数

常用时间复杂度从小到大排序依次是:

0(1)< O(logn) < O(n) < O(nlogn) < O(n^2)< O(n^3) < O(2^n) < O(n!) O(n^n)