算法
1、算法的定义
定义:算法是解决待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,并且每条指令表示一个或多个操作。
算法的定义中提到了指令,指令能被人或机器等计算装置执行。它可以是计算机指令也可以是我们平时的语言文字。为了解决某个或某类问题,需要把指令表示成一定的操作序列,操作序列包括一组操作,每个操作都完成特定的功能,这就是算法了。
2、算法的特性
(1)输入输出:算法具有零个或多个输入。算法至少有一个或多个输出。
(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线循环,并且每一个步骤在可接受的时间内完成。
(3)确定性:算法的每一步都有具有确定的含义,不会出现二义性。
(4)可行性:苏散发的每一步都是可行的,也就是说,每一步都能够通过执行有限次数完成。
3、算法设计的要求
(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”在用法上有很大的差别,大体分为四个层次:
a、算法程序没有语法错误。
b、算法程序对于合法的输入数据能够产生满足要求的输出结果。
c、算法程序对于非法的输入数据能够得出满足规格说明的结果。
d、算法程序对于精心选择的,甚至刁难的测试数据都有满足要求的输出结果。
(2)可读性:算法的另一目的是为了便于阅读、理解和交流。
(3)健壮性:当输入数据不合法时,算法也应当做出相关处理,而不是产生异常和莫名其妙的结果。
(4)时间效率高和存储量低:设计算法应该尽量满足时间效率高和存储量低的需求。
4、算法效率的度量方法
(1)事后统计方法:通过设计好的测试程序和数据,利用计算机的计时功能对不同算法编制的程序的运行时间进行比较,来确定算法效率的高低。(有很多缺陷,我就不多说,不予采纳)
(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。
一个用高级语言编写的程序在计算机上的运行所消耗的时间取决于:
a、算法采用的策略、方法。 (算法的好坏)
b、编译产生的代码质量。 (由软件来支持)
c、问题的输入规模。 (输入量)
d、机器执行指令的速度。 (硬件性能)
抛开这些外部因素,则:一个程序的运行时间,依赖于算法的好坏和问题的输入规模(输入量的多少)。
最终:在分析程序的运行时间时,最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤。我们在分析一个算法的运行时间时,重要的是把基本操作的数量与输入规模关联起来,即基本操作的数量必须表示成输入规模的函数。
如:同样问题的输入规模是n,求1+2+3+......+n(操作数量指算计算过程)
循环相加法:操作数量是f(n)=n
高斯算法:操作数量是f(n)=1
5、函数的渐近增长
解释:给定两个函数f(n)和g(n),如果存在一个整数N,使得对于所有的n>N,f(n)总是比g(n)大,那么,我们说f(n)的增长渐近快于g(n)。
如: 2n+3与3n+1 我们可以忽略这些加法常数
如: 4n+8与2n^2+1 与最高次项想成的常数并不重要
如: 2n^2+3n+1与2n^3+3n+1 最高次项的指数大的,函数随着n的增长,结果也会变得增长特别快。
如: G(2n^2)H(3n+1) I(2n^2+3n+1) n越大G趋近I
结论:判断一个算法的效率时,函数中的常数和其他次要项常常可以忽略,而更应该关注主项(最高阶项)的阶数。
得出:某个算法,随着n的增大,它会越来越优于另一算法,或者越来越差于另一算法(事前估算的理论依据)。
6、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)岁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))。它表示问题规模n的增大,算法执行时间的增长率和f(n)的增长效率相同,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。
用O()来体现算法时间复杂度的记法,称之为大O记法。
一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。
如:由此算法时间复杂度的定义可知,我们的三个求和算法的时间复杂度分别为O(n)、O(1)。
******************************************************
推导大O阶方法:
a、用常数1取代运行时间中的所有加法常数。
b、在修改后的运行次数函数中,只保留最高阶项。
c、如果最高阶项存在且不是1,则去除这个项相乘的常数。
得到的结果就是大O阶。
************************************************************