浅谈数据结构与算法

（三）算法分析

1、算法的基本概念
算法：是对特定问题求解步骤的一种描述，它是指令的有限序列，其中的每条指令表示一个或多个操作。此外，一个算法还具有下列5个重要特性：
a、有穷性，一个算法必须总是在执行有穷步之后结束，且每一步都可在有穷时间内完成。
b、确定性，算法中每条指令必须有明确的含义，不能产生歧义，对于相同的输入只能得出相同的输出。
c、可行性，一个算法必须可行。
d、输入，一个算法有零个或多个输入，这些输入取自于某个特定的对象的集合。
e、输出，一个算法有一个或多个输出，这些输出是与输入有着某种特定关系的量。
2、算法的设计要求
通常，设计一个“好”的算法应该考虑大道一下目标：
a、正确性，算法应用能够正确的解决问题。
b、可读性，算法应该具有良好的可读性，以帮助人们理解。
c、健壮性，输入非法数据时，算法能适当地做出反应或进行处理，而不会产生莫名其妙的输出结果。
d、效率与低存储量需求，效率是指算法执行的时间，存储量需求是指算法执行过程中所学要的最大存储空间，这两者都与问题的规模有关。
3、算法效率的度量
算法效率的度量是通过时间复杂度和空间复杂度来描述
1、时间复杂度
一个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记为T（n），它是该算法问题规模n的函数，时间复杂度主要分析T（n）的数量级。算法中基本运算（最深层循环内的语句）的频度与T（n）同数量级，因此通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度【取f(n)中随n增长最快的项，将其系数置于1作为时间复杂度的度量。例如，f(n) = an^3 + bn^2 + cn ，则其时间复杂度为O（n^3）】因此算法的时间复杂度记为T(n) = O(f（n）) 式中，O的含义是T（n）的数量级，其严格的数学定义后续将专门分享一下。
一个简单的例子
计算i^3，i取1到n的和

public static int sum(int n )
{
	int partialSum;
	partialSum = 0;					//第一行
	for( int i = 1; i <= n; i++){	//第二行
		partialSum += i * i * i;	//第三行
		}
	return partialSum;				//第四行
}

对于这个程序段的分析很简单。所有的声明均不计时间。第一行和第四行各占一个时间单元。第三行每执行一次占用四个时间单元（两次乘法，一次加法和一次赋值），而执行N次共占用4N个时间单元。第二行在初始化i，测试i <= N和对i的自增运算隐含着开销。所有这些的总开销是初始化一个单位时间，所有的测试为N+1个单元时间，而所有的自增运算为N个单元时间，共2N+2个时间单元，我们忽略调用方法和返回值的开销，得到总量是6N+4个时间单元，因此，该方法是O(N).
a、一般计算运行时间的方法
1、for循环：一个for循环的运行时间至多是该for循环内部那些语句（包括测试）的运行时间乘以迭代次数。
2、嵌套的for循环：从里向外分析这些循环，在一组嵌套循环内部的一条语句总的运行时间为该语句的运行时间乘以该组所有的for循环的大小的乘积。
例如：下列程序片段时间复杂度为O(N^2)

for（i = 0; i < n; i++）
	for(j = 0; j < n j++)
		K++;

3、顺序语句：将各个语句的运算时间求和即可。
例如，下面的程序片段前一个for语句是O(N)，接着一个for语句是O(N^2)， 因此整个程序总量也是O(N^2)

for(i = 0; i < n; i++)
	a[i] = 0;
for(i = 0; i < n; i++)
	for(j = 0; j < n; j++)
		a[i] += a[j] + i + j; 

4、if/else语句：

if(condition)
	S1
else
	S2

if/else语句的运行时间从不超过判断的运行时间加上S1和S2中运行时间长者的总的运行时间
长见的渐近时间复杂度为：
O(l) < O(log2n) < O(n) < O(nlog2n) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
———————————————————————————————————————空间复杂度
算法的空间复杂度S(n)定义为该算法所耗费的存储空间，它是问题规模n的函数，渐近空间复杂度也简称为空间复杂度，记为S(n) = O(g(n))。
一个上机程序除需要存储空间存放本身用的指令，常数、变量和输入数据外，还需要一些对数据进行操作的工作单元和存储为实现计算所需的一些信息的辅助空间，若输入数据所占空间只取决于问题本身而与算法无关，则只需分析除输入和程序外的额外空间。
算法原地工作是指算法所需要的辅助空间为常量，即O(l)。