大话数据结构二 算法是什么

算法

举一个例子，求和。如果要求100以内的正整数和，比较原始的思路是逐个累加求和：

void sumInt(n)
{
    int sum = 0;
    for (int i = 0; i <= n; i++)
    {
        sum += i;
    }
    printf("%d", sum);
}

其实这也是一种算法，简单易懂，只是效率可能不太高。而高斯想出了另一种解法：

可以求得sum=5050，用程序来表达就是：

void sumIntPro(n)
{
    int sum = 0;
    sum = (1 + n) * n /2;
    printf("%d", sum);
}

其实这就是求等差数列和的算法，不仅适用于100以内数的求和，还支持一千、一万等等，效率有了很大的提升

算法的定义

算法是求解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，每条指令代表一个或多个操作
指令：能被人或机器执行，可以是计算机指令，也可以是语言文字等。
算法的特性：输入、输出、有穷性、确定性、可行性

1. 有穷性：执行有限步骤后自动结束，每个步骤在可接受的时间内完成，不会出现无限循环
2. 确定性：每个步骤都有确定的含义，不会出现二义性
3. 可行性：每一步都可行，即通过有限次数执行完成

算法设计要求：同一个问题可以有多种算法，就像上面的例子，显然我们更偏爱好的算法，那么好的算法必须要满足：

1. 正确性：满足基本特性，正确反映问题需求，得到正确答案
2. 可读性：便于阅读、理解、交流
3. 健壮性：校验非法输入
4. 复杂度：事件效率高而存储量低。

一般我们评估算法的效率，可以通过事前评估和事后分析两种方法，事前分析评估就是根据算法代码，计算它的复杂度，像是时间复杂度函数O(f(n))，体现算法的时间复杂度，还有空间复杂度，体现算法执行所需的额外空间。事后分析一般是通过批量的测试程序执行，计算算法的执行时间。常用的时间复杂度及排序有：O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)
当然，算法根据输入数据的不同，效率有很大的差异，因此就有最坏情况和平均情况，计算所有情况的平均值，这种时间复杂度称为平均时间复杂度。计算最坏情况下的时间复杂度，称为最坏时间复杂度。

以上就是算法的一些基础的介绍