数据结构（一）——入门基础篇（下）

算法与算法的评价

 

什么是算法？

1.定义：算法是对解决问题的步骤的准确完整描述，是指令的有限序列，尽管每个指令包含一个或者多个操作。

2.特征（算法的五大基本特性）：

             有穷性：一个算法在获取合法输入值之后必须在有穷步之类完成，每一个具体步骤也是有穷的。

             确定性：算法中的每一条指令必须包含确切的含义，不能产生二义性。

             可行性：算法是可实现的，每一个操作都是可以通过已知的基本运算来执行有限次实现。

                输入：一个算法有零个或者多个输入，这些输入来自某些特定的集合。

                 输出：一个算法有一个或者多个输出，这些输出与对应的输入有着某种特定的关系。

【注：一个算法可以没有输入但是必须有至少一个输出。】

 

如何设计出“好”的算法？

要注意以下四个方面：

1.正确性：算法能够正确的解决问题。

2.可读性：算法具备良好的可读性，以便于其他人阅读理解。

3.健壮性：输入非法值时，算法应当作出正确的回应而不是输出莫名其妙的值。

4.效率与低存储量需求：涉及到算法的执行时间和在计算机中的存储空间，这往往与问题的规模有关。

 

如何评价一个算法的优劣？

一个算法的优劣往往与它的时间复杂度和空间复杂度有关。

时间复杂度：

1.语句的频度：是一个语句在所在算法中被重复执行的次数。

2.时间复杂度定义：算法中所有语句的频度之和,这是问题规模的函数，时间复杂度也就是分析的数量级。

3.如何分析算法的时间复杂度？

 因为时间复杂度我们一般记为,即只要研究的数量级罢了。所以我们只要关注算法代码中最内层循环内的语句执行次数（一般与同数量级），就可以得到整个算法的时间复杂度。

但是往往算法的时间复杂度不仅仅依赖于问题的规模n，也取决于输入数据的性质（输入数据的初始状态），这就产生了算法的最好时间复杂度、最坏时间复杂度与平均时间复杂度。一般我们考虑的是算法的最坏时间复杂度，但在考试的时候 要根据实际的问题来看。

时间复杂度有两种规则：

1.加法规则：

2.乘法规则：

常见的时间复杂度的排序：

空间复杂度：

1.空间复杂度的定义：算法的空间复杂度定义为该算法所消耗的存储空间，它是问题规模n的函数。

2.算法的原地工作是指算法所需要的辅助空间为常量.