算法评价的标准
1 正确性
2 可读性
3 健壮性:运行稳定性、容错性、可靠性和环境适应性等
4 时间复杂度
5 空间复杂度
算法的时间复杂性
和算法执行时间相关的因素:
- 问题中存储数据的数据结构
- 算法采用的数学模型
- 算法设计的策略
- 问题的规模
- 实现算法的程序设计语言
- 编译算法产生的机器代码的质量
- 计算机执行指令的速度
时间复杂度:
算法的执行时间=∑原操作的执行次数 X原操作的执行时间
算法的执行时间=∑频度
一般情况下,算法的时间效率是问题规模n的函数。可记作T(n)=O(f(n))。其中,n表示问题的规模,计算法所处理的数据量。这里表示随着问题规模n的增长,算法执行时间的增长率和f(n)的增长率相同,称T(n)为算法的渐进时间复杂度(Asymptotic Time Complexity),简称时间复杂度。O是数学符号,表示数量级,读作阶。
算法的执行时间为 3*n2+3n+1,则它的时间复杂度为T(n)=O(n2)
算法的时间复杂度有以下几种数量级形式:
O(1)常数级
O(logn)对数级
O(n)线性级
O(nc)多项式级(c为常数)
O(cn)指数级(c为常数)
O(n!)阶乘级
最坏时间复杂副
最好时间复杂度
平均时间复杂度
算法的空间复杂性
一个算法的存储量通常包括:
- 输入数据所占空间
- 算法本身所占空间
- 辅助变量所占空间
其中,输入数据所占空间只取决于问题本身,与算法无关。算法本身所占空间与算法有关,但一般其大小是相对固定的。所以,研究算法的空间效率,只需要分析除输入和算法本身之外的辅助空间。若所需辅助空间相对输入数据量来说是常数,则称此算法为原地工作,否则它应当是问题规模的一个函数。
算法的空间复杂度是指算法在执行过程中所占辅助存储空间的大小,用S(n)表示。与算法的时间复杂度相同。算法的空间复杂度也可表示为:S(n)=O(g(n)),表示随着问题规模n的增大,算法运行所需存储量的增长率与g(n)的增长率相同。
program = data structure + algorithm (程序=数据结构+算法)