【第一次学习：算法概述及复杂度分析】

---

算法概述

1.1概念：

简单理解为：算法是解决问题的方法步骤的描述。即“一个算法，就是一个有穷规则的集合，其中之规则规定了一个解决某一特定类型问题的运算序列。”

1.2算法特性：

1. 输入
2. 输出
3. 确定性
4. 有限性
5. 可行性

1.3程序=算法+数据结构

1.4算法描述方式

• 自然语言
• 程序流程图
• 程序设计语言（代码）
• 伪代码

1.5算法设计过程

1. 理解问题（抽象成高中的题目）
2. 问题建模（找到规律总结成类似高中公式）
3. 算法设计（转换成算法实现步骤）
   例子
   1.求a1到an共n个连续整数的和→充分理解问题：起始数字a1，步长为1，结束数字为n，目标为a1+(a1+1)+(a1+2)……+an的值。
   2.问题建模：可以直接用目标表达式进行重复加法计算，或者整理一下得到sum=na1+n(n-1)/2,或者等差数列求和公式。
   3.算法设计：
   ①输入a1,an,n;
   ②计算连加和sum
   ③返回结果sum
   ④检验算法正确性
   ⑤算法分析用等差数列只要加乘除各一次，耗时为O（1）。

1.6算法分析

1.概念

①算法分析概念：对算法所需计算机资源的量（时间复杂度和空间复杂度）的分析。
②问题规模n：输入的数据量大小。对于不同的算法，定义也不相同。例如

2.时间复杂度（O（n））

容易和T(n)混淆，他们是f（n）和n的关系，T(n)是运行时间。例如T(n)=f(O(n))=f(2n²)=4n²;看下面就懂了 具体的式子在经过求极限简化（渐近时间复杂性）后得到式子f（n），则将O（f（n））表示为时间复杂度→书面语为：“算法分析中，算法的时间复杂度和算法的渐近时间复杂性往往不加区分，并常用后者时间复杂性来对算法的时间复杂度进行衡量”

T（n）=3n³+5n→T^*(n)=n³→时间复杂度T(n)=O(n³)
运行时间长短:O(1)<O(logn)<O(nlogn)<O(n²)<O(n³)<O(2ⁿ)<O(n!)<O(nⁿ)

比较了多少次就是多少，例如二分查找：假如有9个数据最好情况一次就中，则为O（1），最差比较三次后直到right=left，即为O(logn=log₂9=3)。所以综上所述为logn

粗暴一点就是一个for循环就是n，嵌套for循环就是n².

3.空间复杂度（S（n））

算法在运行过程中所占用储存空间的大小

算法本身（代码长度成正比）+输入输出（问题决定）+运行过程中所需的辅助变量所占用的储存空间（算法不同而不同）。所以由辅助空间决定空间复杂度

4.渐进复杂性（T(n)的表达式忽略常数和低阶项）

上面的时间复杂度其实求的是每一行代码的，例如二分查找的logn就是其中执行次数最多的mid=right+left；为什么没有其它代码的呢？因为对于大规模的n来说，我们采用求极限思想，保留最大的，其它例如运行时间Ta=10n³+2n²+8,我们只要T^*a=n³即可。我们***常用渐进复杂性衡量时间复杂度***

5.渐进意义下的记号

渐进上界/下界/精确界记号（额，实际计算中没看出用在那了。难道是“采用渐近符号表示T(n)”？）
6算法的运行时间T(n)建立依据