第一章 数据结构概述

算法的概念

• 算法：计算机解题的过程。

算法的特征

1.输入

2.输出

3.可行性

4.有穷性

5.确定性

算法的优劣依据

时间复杂度（Time Complexity)

• 一个算法花费的时间和算法中的语句的执行次数成正比。

• 时间频度T(n)：一个算法中的语句执行次数称为语句频度或者时间频度

• 时间复杂度O(f(n))：时间的规模，而不是具体的次数时间频度去掉低阶的项和首项常数。

• T(n)=1000n^2+20n+100;

• O（欧米可容）(n^2);时间复杂度的上界

• 欧米伽：时间复杂度的下界

• 西塔：时间复杂度的精确阶

时间复杂度的计算

• 1.找出算法中的基本语句，通常是最内层循环的循环体

• 2.计算基本语句的执行次数，只需要计算基本语句执行次数的数量级

• 3.用O记号表示算法的时间性能

时间复杂度的举例：

• O(1):一个或者多个确定个数的简单的语句

• O(n):for循环

  
      for(int i=1;i<n;i++){
          count++;
      }
  

• O(log_2n)

  
      for(int i=0;i<n;i*=2){
          count++;
      }
  

• O(n^2)

  
      for(int i=0;i<n;i++){
      	for(int j=0;j<n;j++){
          count++;
          }
      }
  

• O(nlog_2n)

      for(int i=0;i<n;i*=2){
      	for(int j=0;j<n;j++){
          count++;
          }
      }
  

空间复杂度（Space Complexity）。

• S(n) = O(g(n));

• 包括：

• 1.程序本身所占空间

• 2.输入数据所占的空间

• 3.辅助变量所占空间

• 只需要考虑辅助变量所占空间这一个因素。

四. 空间复杂度的分析

• .

  
  	S(n) = O(1);
  
      int fun(int n){
          int i,j,k,s;
          s = 0;
          for(i=0;i<n;i++){
               for(j=0;j<i;j++){
                    for(k=0;k<j;k++){
                        s++;
                    }
               }
          }
      
      }
      
  

  S(n) = O(n);

  递归算法。