数据结构要点总结——02算法和算法分析

1.算法

算法：是指对特定问题求解步骤的一种描述，它是指令的有限序列，其中每一条指令表示一个或多个操作。

算法的五个重要特性：有穷性、确定性、可行性、输入、输出。

算法的要求：正确性、可读性、健壮性、效率与低存储量需求。

程序=数据结构+算法

【接下来着重介绍算法的时间复杂度·】

*算法的时间复杂度是用作算法效率的度量使用，因为不同计算机运算同一程序所用时间也不同，所以耗时并不能用作算法效率的度量。

     一般情况下，算法中基本操作重复执行的次数就是问题规模n 的某个函数f(n),算法的时间量度记作：

                                                         T（n）=O(  f (n)  )

他表示随着问题规模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，简称时间复杂度。

语句的频度指的是该语句重复执行的次数。

void Loveyou(int n){//n为问题规模
int i=1;                 //（1）
while(i<=n){             //（2）
     i++;                //（3）
     print("I love you %d times",i); //（4）
  }
}

上述程序片段中n为问题规模，（1）语句的频度为1次；（2）语句的频度为n+1次；（3）语句的频度为n次；（4）语句频度为n次。

程序时间开销与问题规模的关系为：T（n）=3n+2

当然，真实情况下程序的时间开销与问题规模之间的关系可能会更复杂，如：

T1（n）=3n+2

T2（n）=3n*2+2

T3（n）=3n*3+3n*2+2

对于这种相加的表达式在简化出时间复杂度O（n）时，采用的策略时只取最高阶，如：

O1（n）=n

O2（n）=n*2

O3（n）=n*3

而对于相乘的表达式时，采取的策略时都保留，一下为口诀：

（a）加法规则：多项相加，只保留最高阶且系数变为1

T（n）=T1(n) + T2(n) = O(f(n))+O(g(n))=O( max ( f(n) , g(n) ) )

  (b)乘法法则：多项相乘都保留

T（n）=T1(n) × T2(n) = O(f(n))×O(g(n))=O(   f(n)×g(n)  )     例：T3(n)=n*3 + n*2log2*n

                                                                                                              =O(n*3)+O(n*2log2*n)

✍O(常数) < O(log2*n) < O(n) <O(n×log2*n) <O(n*2) < O(n*3) < O(2*n) < O(n!) < O(n*n)

    时间复杂度从低到高口诀：常对幂指阶

算法的空间复杂度考点较少：
S（n）=O( f (n) )

什么叫算法原地工作：算法的存储空间为常量。

下一节：线性表

个人原创要点总结，部分内容包含个人见解，如有错误请指出！！！