算法问题基础

算法的特性：输入，输出，确定性，能行性，有穷性。
如果去除有穷性称计算方法。
递归方法：递归主要是通过系统栈来实现的，很多计算工作是重复的所以比较耗时。

#include<bits/stdc++.h>
using namespace std;
long fid(int n)
{
	if(n<=1)
	return n;
	else
	return fid(n-1)+fid(n-2);
 } 
 int main()
 {
 	int n;
 	cin>>n;
 	cout<<fid(n)<<endl;
 }

费不那切数列的递归形式
其实真的挺耗时的，递归这个东西真的很难说，很难想有点烦。
时间复杂度：表示算法运行所需要的时间
渐进表示法：大O记号 表示有两个非负函数，存在常数c>0且当n>n0时，满足有f（n)<=cg(n),则记为f（n）=O（g（n））
大O标记可以表示增长阶数都不超过g（n）的函数的集合，表示一个算法运行的上界，
定理1：执行次数如果是n^m
次方，那么其渐进时间复杂度一定是O（n^3)
Ω记号 若存在c和n0保证f（n）>=g(n),那么记为f（n）=Ω（g（n））
执行次数如果是n^m
次方，那么其渐进时间复杂度一定是Ω（n^3)
求算法的时间下界，也是算法的最优性问题的求解方法。
summer记号，对八七，我实在不知道那个记号怎么读
设非负函数f（n）和g（n),若存在常数c1>0,c2>0和n0，使得当n>=n0时，有c1g（n)<=f(n)<=c2g(n)
则成为f（n）=xxg（n)
执行次数如果是n^m
次方，那么其渐进时间复杂度一定是X（n^3)
小o记号
f（n）=o（g（n））当且仅当f（n)=O(g(n)),且f（n）！=Ω（g（n））
计算递推式的三种方法：迭代法，替代方法（就是假设证明方法），主方法。
主方法：通常用于解决T（n）=aT（n/b）+f（n）的式子。
求解这类递推式的办法叫做主方法
（主定理)
见书P25页
分摊分析主要是执行n个运算所需要的总时间是T（n），那么T（n）/n就是平均代价，对其进行分析，就是分摊分析。
分摊分析的方法：聚焦方法，会计方法，势能方法。
1）聚焦方法，就是计算n个运算序列在最坏情况下，总的执行时间T（n），所以每一个运算的平均代价就是T（n）/n了，聚焦方法保证每个运算都有相同的分摊代价。
会计方法：对每个运算预先赋予不同的费值，有的费值可能会超过其实际代价，有的可能会低于他的实际代价，所以可以进行补偿。
势能方法：执行数据结构上的一个运算将使该数据结构改变状态。