算法学习笔记（一）-算法基础

算法分析：

        为对一个算法的代价及效率等进行分析，必须具有一个要使用的实现技术的模型，包括描述所用资源及其代价的模型。简单的说，就是必须要有相应统一的准则或模型来进行分析，才能有效比较出算法好坏。

        目前通常假定一种通用的单处理器计算模型-随机访问机（RAM）作为评价环境。

        RAM以真实计算机为参照，真实计算机中的常见指令：算术指令（如加减乘除，取余，向下取整等），数据移动指令（装入，储存，复制）和控制指令（条件和无条件转移，子程序调用和返回）均包含于其中，所需时间为常量。

        真实计算机包含上述未列出的指令代表RAM模型中的灰色区域。例如指数运算，一般情况下非常数时间指令，但m*2^k，等价于将一个整数m各位向左移K位，所以在k不大于计算机位数的情况下，该指令为常数时间指令。所以尽量避免RAM模型的中灰色区域。

       还有很对包含内存层次的模型，其复杂得多，可能难以使用，暂不考虑。

输入规模：

       其依赖于研究的问题。对很多问题，如排序和离散傅里叶变换，其量度一般为输入中的项数，而其他，如两整数相乘，其最佳量度即为二进制记号所表示的输入所需的总位数。

分析量度：

      时间复杂度：输入规模为n，执行时间最长者为T(n），一般以渐进分析度量：（1）T（n）<=c*f(n)，记为T(n）=O（f（n））；（2）T（n）>=c*f(n)，记为T(n）=Ω（f（n））；（3）c1*f(n)<=T（n）<=c2*f(n)，记为T(n）=Θ（f（n））。一般用第一种符号分析。

     空间复杂度分析大致如上。