（二）算法概括

一、算法定义：

• 算法是解决特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。

二、 算法的特性：

• 1、输入输出：在处理一个问题中，输入可以为0。但输出至少要有一个数。
• 2、有穷性：在执行完有限的步骤之后会跳出程序，自动结束，而不会出现无限循环，并且每一个步骤可以在有限的时间内完成。
• 3、确定性：算法的每一步骤都有确定的含义，不会出现二义性。
• 4、可行性：算法的每一步必须是可行的，每一步都能经过有限的次数完成。

三、算法设计的要求：

• 1、正确性：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。
• 2、可读性：设计的算法应该便于阅读、理解和交流
• 3、健壮性：输入的数据不合理时，算法也可以做出相应的处理，而不是产生异常或莫名其妙的结果。
• 4、时间效率高和存储量低：用的时间和空间都相应的较少，并且能成功的解决问题。

四、算法效率的度量方法

• 1、事后统计方法：通过设计好的程序和数据，利用计算机计时器对不同算法的编制程序进行比较，从而确定算法效率的高低。
• 2、事前分析估算法：根据所写的程序和数据进行估算，来得出算法的效率。

五、算法时间的复杂度

• 1、定义：语句总的执行的次数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，算法时间复杂度，也就是算法的时间度量，记作T（n）= O（f（n））表示随着n的增大算法的执行时间的增长率和f（n）的增长率相同。称作时间的渐进时间复杂度，简称为时间复杂度，其中f（n）是问题规模n的某个函数。所以这样用O（）来体现算法时间复杂度的记法称为大O算法。
• 2、推导大O阶方法：
• （1）、用常数1取代运行时间中的所有加法常数。
• （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，则除去与这个项相乘的常数。得到的结果就是大O阶。

常见的几种大O阶数

（1）常数阶 ： O（1）
（2）对数阶：O（logN）
（3）线性阶：O（n）
（4）nlogN阶：O（nlogN）
（5）平方阶：O（n的平方）
（6）立方阶：O（n的三次方）
（7）指数阶：O（2的n次方）；
时间复杂度一次增大。

• 面对同一问题，在一部落后的计算机上使用一种复杂度小的算法胜过在一部好的计算机使用复杂度大的算法。