算法的评价标准

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：

1. 问题中存储数据的数据结构
2. 算法采用的数学模型
3. 算法设计的策略
4. 问题的规模
5. 实现算法的程序设计语言
6. 编译算法产生的机器代码的质量
7. 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(n^c)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：

1. 输入数据所占空间
2. 算法本身所占空间
3. 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）