算法和算法分析

14天阅读挑战赛

算法的定义

算法是为了解决某类问题而规定的一个有限的操作序列。

一个重要的公式:程序=算法+数据结构

算法特性

(1)有穷性:算法是由若干条指令组成的有穷序列,总是在执行若干次后结束,不可能永不停止。

(2)确定性:每条语句都有确定的含义,无歧义。

(3)可行性:算法在当前环境条件下可以通过有限次运算来实现。

(5)输入/输出:有零个或多个输入以及一个或多个输出。

“好”算法的标准

(1)正确性:正确性是指算法能够满足具体问题的需求,程序运行正常,无语法错误,能够通过典型的软件测试,达到预期。

(2)易读性:算法遵循标识符命名规则,简洁易懂,注释语句适当适量,方便自己和他人阅读,便于后期调试和修改。

(3)健壮性:算法对非法数据及操作有较好的反应和处理。

(4)高效性:高效性是指算法运行效率高,即算法运行所消耗的时间短。

(5)低存储性:是指算法所需的存储空间小。

算法的时间复杂度

算法的时间复杂度就是算法运行所需的时间,现在我们将算法基本执行次数作为时间复杂度的衡量标准。常见的时间复杂度按数量级递增排列依次为:常量阶O(1)、对数阶O(log2 n)、线性阶O(n)、线性对数阶O(nlog2 n)、平方价O(n^2)、立方阶O(n^3)、...... 、k次方阶O(n^k)、指数阶O(2^n)等等。

时间复杂度为指数阶的算法效率极低,当n值稍大时就无法应用,应尽可能避免指数阶。

//常量阶示例
{ a++; b = 0;}
	
//线性阶示例
for (int i = 0; i < n; i++) {
	a++; b = 0;
}

//平方阶示例
a = 0; b = 0;
for (k = 1; k <= n; k++) {
	a++;
}
for (i = 1; i <= n; i++) {
	for (j = 1; j <= n; j++) {
		b++;
	}
}

//立方阶示例
for (i = 1; i <= n; i++) {
	for (j = 1; j <= n; j++) {
		for (k = 1; k <= n; k++) {
			a++;
		}
	}
}

有时会对算法有最好、最坏以及平均时间复杂度的评价。称算法在最好的情况下的时间复杂度为最好时间复杂度,是指算法计算量可能达到的最小值;称算法在最坏情况下的时间复杂度为最坏时间复杂度,是指算法计算量可能达到最大值;算法的平均时间复杂度是指算法在所有可能情况下,按照输入实例以等概率出现时,算法计算量的加权平均值。

算法的空间复杂度

算法的空间复杂度就是指算法在运行过程中占用了多少的存储空间。算法占用的存储空间包括:输入/输出数据、算法本身和额外需要的辅助空间。输入/输出数据占用的空间是必需的,算法本身占用的空间可以通过精简算法来缩减,但缩减的量是很小的,可以忽略不计。算法在运行时所使用的辅助变量占用的空间(即辅助空间)才是衡量算法空间复杂度的关键因素。

//算法1
for (i = 0; i < n; i++) {
	if (a[i] > a[i + 1]) {
		temp = a[i];
		a[i] = a[i + 1];
		a[i + 1] = temp;
	}
}

//算法2
for (i = 0; i < n; i++){
	b[i] = a[n - i - 1];
}
for (i = 0; i < n; i++) {
	a[i] = b[i];
}

算法1仅需要另外借助一个变量temp,与问题规模n大小无关,所以其空间复杂度为O(1)。

算法2需要另外借助一个大小为n的辅助数组b,所以其空间复杂度为O(n)。

参考书籍:趣味算法

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值