算法之绪论

绪论

对之后算法需要学习的内容，需要的基础知识，进行大致的讲解和概述

算法

　所谓算法，即特定计算模型下，旨在解决特定问题的指令序列
　输入　待处理的信息（问题）
　输出 　经处理的信息（答案）
　正确性：的确可以解决指定的问题
　确定性：任意算法都可以描述为一个由基本操作完成的序列
　可行性：每一基本操作都可以实现，且在常熟时间内完成
　有穷性：对于认可输入，经有穷次基本操作，都可以得到输出结果

好算法

　正确，健壮，可读，效率
　
　效率：速度尽可能快，存储空间竟可能少

算法分析

　两个主要任务＝正确性（不变性×单调性）　＋　复杂度
　

复杂度分析的主要方法

　迭代：级数求和
　递归：递归跟踪＋递归方程

级数：

1. 算数技术：与末项平方同阶
2. T(n) = 1+2+3+…+n=n(n+1)/2 = O(n^2)
3. 幂方级数:比幂次高出一级
4. T(n) = 1^2+2^2+3^2+…+n^2=n(n+1)/2 = O(n^3)
5. 几何级数：与末项同阶
6. T(n) = a^0+a^1+a^2+…a^n = O(a^n)
7. 收敛级数
8. 可能未收敛，长度有限
9. T(n) = 1+1/2+1/3+…+1/n = O(logn) //调和级数 log1+log2+log3+…logn = O(nlogn) //对数级数

增长速度：

迭代与递归

减而治之：

为求解一个大问题，可以将其划分为两个子问题：其一平凡，另一缩减 分别求解子问题。由子问题的解，得到原问题的解

递归跟踪：

检查每个递归实例，累计所需时间，其总和即算法执行时间
直观形象，仅适用于简明的递归模式

递推方程：

从递推的角度看，求解sum(A,n),需递归求解规模为n-1的su
ｍ(A,n-1)再累加上A[n-1]
递归基：sum（A，0）
递推方程

T(n) = T(n-1) + O(1)
T(0) = O(1)

分而治之：

为求解一个大规模的问题，可以将其划分若干（通常两个）子问题分别求解子问题，由子问题的解，得到原问题的解