什么是算法（Algorithm）？（应用实例：最大子列和问题）

解决问题方法的效率与算法的巧妙程度有关，描述算法的时候我们主要关心解决问题所采用的思想，而不是具体实现细节。什么是好的算法？有两个指标：空间复杂度S(n)（根据算法写成的程序在执行时占用存储单元的长度）和时间复杂度T(n)（根据算法写成的程序在执行时耗费时间的长度）。

1.1 算法

算法的五个基本特征：

输入、输出、有穷性、确定性（每一条指令充分明确）、可行性

复杂度的渐进表示法（上界下界没有明显的界定）：

表示时间复杂度的上界，存在常数, 使得当 时，有

表示时间复杂度的下界，存在常数, 使得当 时，有

表示同时有和

 

算法复杂度分析小窍门：

• 已分别知道两段算法的复杂度，那么将两个算法相加的复杂度为这两段算法中最大的那个复杂度，那么将两段算法相乘（嵌套）的复杂度则为两段算法复杂度的乘积。

• 如果此段算法有关K阶多项式，那么苏那发复杂度只与K项有关，其他项可以忽略不计。

• 对于循环的时间复杂度等于循环的次数乘以循环体内代码的复杂度

• 结构的复杂度取决于的条件判断复杂度和两个分枝部分的复杂度，总体复杂度取三者中最大。

 1.2 实例：最大子列和问题

//算法1：复杂度为N的立方
int MaxSubseqSum1(int A[], int N)  //A[]表示数组，N表示数组元素个数
{
	int ThisSum, MaxSum = 0;
	for (int i = 0; i < N; i++)
	{
		for (int j = i; j < N; j++)
		{
			ThisSum = 0;
			for (int k = i; k <= j; k++)
			{
				ThisSum += A[k];
			}
			if (ThisSum>MaxSum)
			{
				MaxSum = ThisSum;
			}
		}
	}
	return MaxSum;
}


//算法2：复杂度为N的平方
int MaxSubseqSum1(int A[], int N)  //A[]表示数组，N表示数组元素个数
{
	int ThisSum, MaxSum = 0;
	for (int i = 0; i < N; i++)
	{
		ThisSum = 0;
		for (int j = i; j < N; j++)
		{
			ThisSum += A[j];
			if (ThisSum>MaxSum)
			{
				MaxSum = ThisSum;
			}
		}
	}
	return MaxSum;
}


算法3：在线处理,复杂度为N
int MaxSubseqSum1(int A[], int N)  //A[]表示数组，N表示数组元素个数
{
	int ThisSum=0, MaxSum = 0;
	for (int i = 0; i < N; i++)
	{
		ThisSum += A[i];          //向右累加
		if (ThisSum>MaxSum)
			MaxSum = ThisSum;    //发现更大的和则更新结果
		else if (ThisSum < 0)
			ThisSum = 0;  //子序列和为负，则加后面的数，数会更小，所以直接抛弃，从下个数开始重新加
	}
	return MaxSum;
}