算法设计的要求
- 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、能够正确反映问题的需求、能够得到问题的正确答案。
- 大体分为一下四个层次:
- 算法程序没有语法错误
- 算法程序对于合法输入能够产生满足要求的输出。
- 算法程序对于非法输入能够产生满足规格的说明。
- 算法程序对于故意刁难的测试输入都有满足要求的输出结果。
- 可读性
- 算法设计另一目的是为了便于阅读、理解和交流。
- 我们写代码的目的,已放面是为了让计算机执行,但还有一个重要的目的是为了便于他人阅读和自己日后阅读修改。
- 健壮性
- 当输入数据不合法时,算法也能做出相关处理,而不是产生异常、崩溃或莫名其妙的结果。
- 时间效率高和存储量低
- 好算法就犹如好老婆,应该具备时间效率高和存储量低的特点。所以在设计算法的时候我们应该尽量思考着两方面的问题!
算法效率的度量方法
- 事后统计方法:这种方法主要时通过设计好的测试程序和数据,利用计算机计时器对不同算法编制的程序的运行时间进行比较,从而确定算法效率的高低。
- 但这种方法显然是由很大缺陷的:
- 必须依据算法事先编制好测试程序,通常需要花费大量的时间和精力。
- 不同的测试环境差别不同。
- 事前估算方法:在计算机程序前,依据统计方法对算法惊醒估算。
影响算法效率的因素
- 1.算法采用采用的策略、方案
- 2.编译产生的代码质量
- 3.问题的输入规模
函数的渐近增长
- 函数的渐近增长: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)总时比g(n)大,那么,我们说f(n)的增长渐近快于g(n)。
- 判断一个算法的效率时,函数中的常量和其他次要的项常常可以忽略,而更应该关注主项(最高项)的阶数。
算法时间复杂度
- 算法时间复杂度的定义: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)随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))。它表示随问题规模n的增大,算法的渐近时间的增长率和f(n)的增长率相同,称为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。关键是(执行次数==时间)
- 这样用大写O()来表现算法时间复杂度的记法,我们称值为大O记法
- 一般情况下,随着输入规模n的增大,T(n)增大最慢的算法为最优算法。
那么如何分析一个算法的时间复杂度呢?既如何推导大O阶呢?我们给大家整理了以下攻略:
1. 用常数1取代运行时间中的所有假发常数。
2. 在修改后的运行次数函数中,只保留最高阶项。
3. 如果最高阶项存在且不是1,则去除与这个项目乘的常数。
4. 得到的最后结果就是大O阶。