初学算法——第一天：发现算法之美

14天阅读挑战赛

1 定义

算法是对特定问题求解步骤的一种描述。不依赖于任何一种语言，既可以用自然语言、程序设计语言描述，也可以用流程图、框图来表示。
本质是高效地解决实际问题。

2 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。
4. 输入/输出：有零个或多个输入以及一个或多个输出。

3 评判标准

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，注释语句恰当适量，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。例如：输错时，系统有错误提示。
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。（时间复杂度）
5. 低存储性：低存储性是指算法所需的存储空间小。算法占用的空间大小被称为空间复杂度。

1、2、3是基本标准，除此之外时间复杂度与空间复杂度是评判主要标准

4 时间复杂度

算法的时间复杂度就是算法运行所需的时间。
时间复杂度的衡量标准：算法基本运算的执行次数（也就是程序执行次数）。

4.1 分类

1. 常数阶：
   常数阶算法的运行次数是一个常数，如5、20、100。常数阶算法的时间复杂度通常用O(1)表示

int a=1,b=2,sum=0;//执行了一次
sum=a+b;//执行了一次
sum= sum+a+b; //执行了一次

每个语句都执行了一次，则函数f(n)=3，用大O表示就是O(3)，但在表示时间复杂度时，如果遇到的是常数，则用常数1代替运行中所有的其他常数，于是，上面这个程序的时间复杂度记为O(1)。

2. 多项式阶：
   很多算法的时间复杂度是多项式，通常用О(n)、O(n^2)等表示

int sum=0;                  //运行1次
int total=0;                //运行1次
for(int i=1;i<=n;i++){      //运行n+1次，最后一次判断不满足循环条件
  sum=sum+i;                //运行n次
  for(j=1;j<=n;j++)         //运行n×(n+1)次
    total=total+i*j;        //运行n×n次
}

运行次数加起来：1+1+n+1+n+n*(n+1)+n*n = 2n^2+3n+3
该程序的时间复杂度记为O(n^2)

3. 指数阶：
   指数阶算法的运行效率极差，程序员往往像躲“恶魔”一样避开这种算法。指数阶算法的时间复杂度通常用O(2^n) ,O(n!),O(n^n)等表示。

4. 对数阶：
   对数阶算法的运行效率较高，通常用O(log n),O(nlog n)等表示。

i=1;             //运行1次
while(i<=n){     //可假设运行x次
  i=i*2;         //可假设运行x次
}

运行1次：i=2^1，在判断完i<n时候才结束；
运行2次：i=2^2；
……
运行x次：i=2^x。
运行第x次便是i=n时，于是n=2^x，解得：x=log2n。
通常，我们在算出并写对数复杂度时，把底数2或者其他数值省略，仅表明这是个对数便可以了，于是上面的代码时间复杂度为O(log2n)/O(logn)，这便是对数阶。

指数阶增量随着的增加而急剧增加，而对数阶增长缓慢。它们之间的关系如下：
O(1)<O(log n)<O(n)<O(nlog n)<O(n^2) <O(n^3) <O(2^n) <O(n!)<O(n^n)

在实际应用中，通常使用时间复杂度渐近上界 O(f(n))来表示时间复杂度。
综上，我们可以总结出分析时间复杂度的基本方法：
1、找出执行频度最多的那条语句作为基本语句；(循环语句中处在循环内层的语句往往运行次数最多，它们是对运行时间贡献最大的语句)
2、根据找出来的基本语句得出规模n的某个函数f(n)；
3、算出数量级，用大O表示法表示出来。

在设计算法时，我们要注意算法复杂度增量的问题，尽量避免爆炸级增量。

5 空间复杂度

空间复杂性：算法占用空间的大小

本意指算法在运行过程中占用的存储空间。包括：算法自身、算法的输入、输出及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。

void swap(int x,int y){    //交换x与y 
     int temp;
     temp=x;               //temp为辅助空间 ①
     x=y;                  //②
     y=temp;               //③
}

两数字的交换过程

空间复杂度为O(1)
在递归算法中，每一次递推都需要一个栈空间来保存调用记录，因此在分析算法的空间复杂度时，需要计算递归栈的辅助空间。