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。