数据结构与算法复杂度计算

算法特征：
1、有输入，输出。
2、有基本操作构成
3、有穷性，正确性、可行性
4、不变性和单调性：随着算法程序的执行，单调性体现为向结果不断趋近。
5、退化和鲁棒性：鲁棒性解决取值极端问题能力，退化是算法的适用对象不够

以上特征都不是数据结构与算法研究的主要内容
主要内容是如何设计算法达到减少时间和空间的目的

时间复杂度：
衡量算法的指标，对于大规模的输入所耗费的最大时间
对于大规模：对于小规模时间本来耗费就不多，所以对小规模没有意义，
最大时间：规模一定，输入方式不同，如排序原数组的顺序不同，耗费时间不同，所以取各种输入方式所耗费的最大时间

对于不同的CPU，不同的语言，不同的平台，时间不同，无法表示算法好坏，于是提出了图灵机和RAM模型，将算法转化为最基本的操作，这些操作相当于一门语言，是最基本的操作，将不同语言转化为这种最基本的语言，就可以通过多少条语句（执行多少次指令）来表示算法的好坏，这样CPU也影响不了算法的比较。

图灵机：

RAM：

大O记号：描述算法复杂度的数学标尺
设上面的时间复杂度为T(n)，即运算的次数为T（n），设T(n)<cf(n),n->无穷，f（n）可以称为T(n)的渐进上界，如下图：

f（n）存在的意义在于保证反应复杂度总体趋势下，尽可能的简化T(n)的表达式，T(n)
通常为比较复杂的表达式，简化方法如下：
T(n)<cf(n),n->无穷,可以将f(n)进行放大，最终得到一个比较漂亮的表达式-----6*n^1.5 。这个表达式在无穷时覆盖了T(n)，记为O（n ^1.5）

既然有n^1.5 这种表达式，也有其他的表达式，比如logn、2的n次方等

下面看看表达式如何体现时间复杂度：

集合S有n个元素（这里是51个洲），是否存在吧元素分为两部分，这两部分的元素的和相等？
S有2^51个子集，所以要试2的51次方种情况。每一次包含的基本运算次数一定，所以复杂度可以记为2的51次方.

算法好坏排序：
O（1）：
用一个常熟可以覆盖T(n)的f（n）记为O(1)，此时相比于其他f（n），当n无穷时该常熟总是较小的，此时复杂度很低，算法很好。

O（logn）：
比较接近常数，也是好算法

这里只看最高次，因为n无穷的时候低次的都可以忽略

O（n^c）,c为常熟。
复杂度比较高,可以解

O（2^n）
复杂度很高，难解问题

算法复杂度分析：
C++中的基本语句可以理解为一次基本的RAM运算。
于是计算多少次成为了衡量复杂度的标准。
时间记忆：
一天=10^5s
300year=10^10s

迭代式算法（循环）
for(i=0;i<n;i++)
for(j=0;j<n;j++)
statement;
运算次数：
n+n+…+n ,i决定有n个数相加，n 表示的是i的循环次数，每个数是n，表示的是j每一回合循环n次
n^2，复杂度为O（n的2次方）

for(i=0;i<10;i++)
for(j=0;j<i;j++)
statement;
运算次数：
0+1+2+…+（n-1）
复杂度为O(n^2)

更加复杂的算法如下：
已知运算次数的表达式，可以求和得到复杂度


这里的几何分布可能结果求和<1，但是仍然有意义。

递归式算法：
两种方法计算递归算法的复杂度:
1、直接罗列全部递归的从下往上的各个计算

以上罗列出了递归的全部实例，每个实例都是O（1）的时间

2、利用地推表达式进行求解