算法概念
- 对特定问题求解步骤的一种描述,是指令的有限序列,其中的每个指令对应一个或多个操作。(简单来说,就是解决一个实际问题,你想怎样去解决它,将这个想法从头到尾描述下来,就是算法)
算法的特征
- 确定性:同样的输入要能得到同样的输出结果
- 可行性:使用现有的指令进行组合来实现算法的功能
- 输入:算法可以有零个或多个输入
- 输出:算法可以有一个或多个输出
“好”算法的标准
- 正确性:算法设计出来就是要发挥作用的,如果设计出来就是错误的,就没什么意义了
- 可读性:算法往往是要给很多人看的,如果可读性很差,则算法就不能通用,并且后期自己维护也会面临很大难题
- 健壮性:算法要能分析错误输入,当输入错误时,要能够给出错误信息
- 效率与低存储量需求:解决一个问题往往有多种办法,但是有的方式会很耗费时间和存储空间,所以算法追求最少的时间开销和空间占用。
算法评价
算法的时间复杂度
-
主要就是研究在算法中最深层次的循环中主体语句的执行次数的问题
-
主要是针对问题规模的数量级来描述时间复杂度
-
算法的时间复杂度不仅依赖于问题的规模,也取决于待输入数据的性质(输入数据的初始状态)
- 算法的最坏时间复杂度:在最坏情况下,算法的时间复杂度
- 算法的平均时间复杂度:所有可能输入实例在等概率出现的情况下,算法的期望运行时间
- 算法的最好时间复杂度:在最好情况下,算法的时间复杂度
- 一般情况下主要考虑最坏时间复杂度,以保证算法的运行时间不会比他长
-
两条计算规则
- 加法规则:
T ( n ) = T 1 ( n ) + T 2 ( n ) = O ( f ( n ) + O ( g ( n ) ) ) = O ( m a x ( f ( n ) , g ( n ) ) ) \begin{aligned} T(n)=T_1(n)+T_2(n)=O(f(n)+O(g(n)))=O(max(f(n),g(n))) \end{aligned} T(n)=T1(n)+T2(n)=O(f(n)+O(g(n)))=O(max(f(n),g(n))) - 乘法规则:
T ( n ) = T 1 ( n ) × T 2 ( n ) = O ( f ( n ) × O ( g ( n ) ) ) = O ( ( f ( n ) × g ( n ) ) ) \begin{aligned} T(n)=T_1(n)×T_2(n)=O(f(n)×O(g(n)))=O((f(n)×g(n))) \end{aligned} T(n)=T1(n)×T2(n)=O(f(n)×O(g(n)))=O((f(n)×g(n)))
- 加法规则:
-
常见的渐进时间复杂度
O ( 1 ) < O ( l o g 2 n ) < O ( n ) < O ( n l o g 2 n ) < O ( n 2 ) < O ( n 3 ) < O ( 2 n ) < O ( n ! ) < O ( n n ) \begin{aligned} O(1)<O(log_2n)<O(n)<O(nlog_2n)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n) \end{aligned} O(1)<O(log2n)<O(n)<O(nlog2n)<O(n2)<O(n3)<O(2n)<O(n!)<O(nn)
算法的空间复杂度
- 一个算法占用的内存空间的大小
- 这里的占用空间是不包括输入数据所占用的空间,只是看在算法执行过程中所消耗的额外空间
- 算法原地工作是指算法消耗的内存空间为常数,即O(1),而不是不消耗内存空间
参考文献
[1] 严蔚敏,吴伟民. 数据结构 (C语言版 ) [M]. 北京:清华大学出版社, 2011-07-01;
[2] 王道论坛,2021年数据结构考研复习指导[M]. 北京:电子工业出版社,2020.1