数据结构与算法学习之算法

最新推荐文章于 2023-04-16 18:37:09 发布

欲盖弥彰1314

最新推荐文章于 2023-04-16 18:37:09 发布

阅读量286

点赞数

分类专栏：数据结构与算法

本文链接：https://blog.csdn.net/qq_36413982/article/details/95506863

版权

数据结构与算法专栏收录该内容

8 篇文章 0 订阅

订阅专栏

数据结构与算法的关系

单纯学数据结构应该很快就能学完，但是加上算法就不一样了。数据结构与算法是啥关系呢？不是有说 程序设计=数据结构+算法 ，个人感觉，只谈数据结构不谈算法就是在耍流氓。

算法的重要性

算法实例：求1+2+3+……+100之和
第一种方法：

int  i ,  sum  = 0 ,  n  ;  100; 
for  (i  =  1;  i  <  =  n;  i++) 
{
	sum  =  sum  +  í ; 
}
printf ( “%s”,  sum) ;

第二种方法：

int  1,  sum  =  0, n  =  10.0: 
sum  =  (1  +  n)  *  n  I  2; 
printf ( " %s"， sum);

显而易见，从代码量上就能知道孰优孰劣了。

算法定义

普遍认可的对算法的定义：
算法是解决特定问题求解步骤的描述，在计算机中表现为指令的
有限序列，并且4事务指令亵示一个或多个操作。

算法的特性

在这里插入图片描述

1、输入输出

输入：算法具有零个或多个输入
输出：算法至少有一个或多个输出。你写的算法没输出就是在耍流氓。

2、有穷性

指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每一个步骤在可接受的时间内完成。

3、确定性

算法的每一步骤都具有确定的含义，不会出现二义性。在一定条件下，相同输入只能有唯一对应的输出结果，算法步骤不能有二义性。

4、可行性

算法的每一步都必须是可行的，也就是说，每一步都能够通过执行有限次数完成。

算法设计要求

在这里插入图片描述
好的算法，应该具有正确性 、 可读性、健壮性 、 高效率和低存储量 的特
征。

1、正确性

算法的正确性是指算法至少应该具有输入、输出和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案。正确性有以下四个层次：
在这里插入图片描述

2、可读性

算法设计最后也是要用代码表达出来，代码有一个要求就是要便于阅读、理解和交流。一份好的代码肯定首先得是容易阅读理解。算法设计亦要如此，好的算法便于发现错误，调试修改等等。

3、健壮性

当输入数据不合法时，算法也能做出相关处理，而不是产生异常或莫名
其妙的结果。例如：
字符串拷贝函数

char *strcpy(char *dest,char *src)
{
	char *save_dest = dest;
	if(dest == NULL || src == NULL)
	{
		return;
	}
	while(*src ！= '\0')
	{
		*dest = *src;
		dest++;
		src++;
	}
	return save_dest ;
}

为了程序的健壮性。得加个判断输入的两个指针是否为空指针，如果为空指针程序就会崩溃了。

4、时间效率高和存储量低

时间效率指的是算法的执行时间。同一个问题，有多种不同解决问题的算法，当然是执行时间越短时间效率越高。同时呢如果算法占用的空间越小那就更好啦，这对于嵌入式设备来说挺重要的。这两个也对应了衡量算法好坏的两个重要指标：时间复杂度和空间复杂度。

算法效率的度量方法

1、事后统计方法

辣鸡。

2、事前分析估算方法

在计算机程序编制前，依据统计方法对算法进行估算。
高级程序语言编写的程序在计算机上运行时所消耗的时间取决于下列因素:
1、算法采用的策略、方法。
2、编译产生的代码质量。
3、问题的输入规模。
4、机器执行指令的速度。
第一个是算法好坏的根本原因。第二个跟编译器有关；第四个是跟计算机性能相关。抛开计算机硬件和编译软件的问题，可知，一个算法的好坏取决于算法的策略、方法以及问题的输入规模。

算法时间复杂度

定义

在进行算法分析时，语句总的执行次数T（n）是关于问题规模n的函数，进而分析T（n）随n的变化情况并确定T（n）的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T（n）=O（f（n））。它表示随问题规模n的增大，算法执行时间的增长率和f（n）的增长率相同，称作算法的渐近时间复杂度，简称为时间复杂度。其中f（n）是问题规模n的某个函数。

这样用大写 O() 来体现算法时间复杂度的记法，我们称之为大O记法。

推导大 O 阶方法：
1、用常数 1 取代运行时间的所有加法常数。
2 、在修改后的运行次数函数中，只保留最高阶项。
3、如果最高阶项存在且不是 1 ，则去除与这个项相乘的常数。得到的结果就是大 O 阶。

1、常数阶

int sum = 0，n = 100；/*执行一次*/
sum =（1 + n）*n / 2；/*执行一次*/
printf（"%d"，sum）；/*执行一次*/

共执行三次，但是不是O(3)，根据上面方法1，可知，该算法的时间复杂度是O(1)。

printf（"%d"，sum）；/*执行一次*/
printf（"%d"，sum）；/*执行一次*/
printf（"%d"，sum）；/*执行一次*/
printf（"%d"，sum）；/*执行一次*/
printf（"%d"，sum）；/*执行一次*/
printf（"%d"，sum）；/*执行一次*/
printf（"%d"，sum）；/*执行一次*/

像这样执行7次，时间复杂度一样还是O(1)。

对于分支结构而言，无论是真，还是假，执行的次数都是恒定的，不会随着 n 的
变大而发生变化，所以单纯的分支结构(不包含在循环结构中) ，其时间复杂度也是
O(1) 。

2、线性阶

分析算法的复杂度，关键就是要分析循环结构的运行情况。

int  i;
for(i = 0;i < n;i++)
{
	printf("%d\r\n",i);  /*时间复杂度为0（1）的程序步骤序列*/
}

结构中循环n次，所以这代码时间复杂度是O(n)。

3、对数阶

int num = 1；
while（num < n）
{
	num = num * 2；
}

每次乘以2就离n更近一分，则有由 2^x =n 可得到 x = log2 ^n。由此可知算法时间复杂度是O(logn)。

4、平方阶

int i，j；
for（i = 0；i < n；i++）
{
	for（j = 0；j < n；j++）
	{
		printf("%d %d\r\n",i,j);  /*时间复杂度为0（1）的程序步骤序列*/
	}
}

内外层都循环n次，总的循环次数便是n的平方。所以算法时间复杂度是O(n^2)。

常见时间复杂度：
在这里插入图片描述
常用的时间复杂度所耗费的时间从小到大依次是：
O(1) < O(logn) < O(n) <O(nlogn) < O(n^2) < O(n ^ 3) < O(2 ^ n) < O(n!) < O(n ^ n)

最坏情况与平均情况

数组中查找一个数，可能第一个就是，一次就找到了；也可能是最后一个，可能查了n次才找到。n次这种就是最坏的情况。最坏情况运行时间是一种保证，那就是运行时间将不会再坏了。在应用中，这是一种最重要的需求，通常，除非特别指定，一般情况下运行时间都是最坏情况的运行时间。平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。
一般在没有特殊说明的情况下，都是指最坏时间复杂度。