数据结构笔记 | 第二章 | 算法

Chapter 2 算法

• 是什么：解决特定问题求解步骤的描述。
• 特性：①零个或多个输入，一个或多个输出 ②有穷性 ③确定性 ④可行性
• 设计要求：正确性、可读性、健壮性、时间效率高和存储量低。
• 效率度量方法：①事后统计（麻烦，不考虑）②事前分析估算
• 抛开软硬件因素，程序运行时间依赖于算法的好坏和问题的输入规模。
• 时间复杂度大O记法：运行时间与基本操作的执行次数成正比。算法渐进时间复杂度记作T(n)=O(f(n))，它表示n增大，算法执行时间的增长率和f(n)的增长率相同。
• 推导大O阶的方法: ①用1取代运行时间中的所有加法常数②只保留最高阶③去掉与最高阶的常数系数。常数阶O(1)、线性阶O(n)、平方阶O(n²)、对数阶O(logn)、nlogn阶O(nlogn)、立方阶O(n³)、指数阶O(2ⁿ)。
• e.g.

	int count = 1;
	while (count<n)
	{
		count = count * 2;
	}
	//是对数阶啦

• e.g.

	int i,;
	for(i = 0; i < n; i++)
	{
		for(j = i; j < n; i++)
		{
			/*时间复杂度为O(1)的程序步骤序列*/
		}
	}
	//i=0时,内循环执行n次；i=1执行n-1次，.....,i=n-1执行1次。
	//n+(n-1)+(n-2)+...+1=n(n+1)/2,所以为O(n^2)
	//另外O(m*n)也是平方阶

• 没有特殊说明指的都是最坏时间复杂度。平均时间复杂度是期望的运行时间。
• 空间复杂度S(n)=O(f(n))，n为问题规模，f(n)为语句关于n所占存储空间的函数。若所需辅助空间相对于输入数据量而言为常熟，则为原地算法，空间复杂度为O(1)。

总结

• 算法的基本概念、时间复杂度分析方法、大O阶推导。