数据结构——第一章——第二节 算法和算法评价

老规矩，要学习算法还是要先了解以下几个问题：

1. 什么是算法？
2. 算法有什么用？
3. 如何选择算法？
   

算法的基本概念

还记得之前用C++刷算法题目时，除了各种STL（标准模板库）里已经已经写好的各种数据结构头文件外，还有一个头文件用到的频率也很高，那就是algorithm（算法）头文件。尤其是遇到排序题目，基本上都会先用里面的sort()函数。
算法（Algorithm）是对特定问题求解的一种描述，是指令的有限序列。 很懵对吧？那我换种说法：算法就是求解问题的有限次步骤。 还不懂也没关系，概念基本是不会考的。

接下来，再说一下算法的五个特性。

1. 有穷性：步骤要有限次，且每一步也要在有限时间内结束。
2. 确定性：每条指令一定要准确性，确保相同的输入，一定有相同的输出。
3. 可行性：描述的操作可以通过已经实现的基本运算执行有限次来实现。
4. 输入：一个算法有零个或多个输出。注意哦，是可以没有输入的。
5. 输出：一个算法有有一个或多个输出。必须要有输出！！

好了，上面这一堆也不会考的，但是我们还是要了解一下的。

一个好的算法应该要满足以下几点目标：

• 正确性：能够正确地解决问题。
• 可读性：要具有好的可读性，方便人们理解。如果一个算法只有写它的人才能够读懂他，那是没有意义的。
• 健壮性：针对非法输入，应该有适当的处理，而不会产生乱七八糟的输出，更不应该影响整个系统。
• 效率与低存储量需求：效率是指算法执行的时间，存储量需求是指算法执行过程中所需的最大存储空间，这两者都与问题的规模。

那么如何选择好的算法呢？优先考虑前三者，但是前三者没有太大差别的情况下，那就看第四点。一个算法运行时间短，一个算法运行时间长，肯定闭着眼睛也选时间短的呀。空间方面也是一样的选择。

那假如一个算法运行时间短，但是需要空间大；另一个算法运行时间长，但是需要空间小。那该如何选择呢？ 时间和空间，我们是更侧重时间的。因为随着科技的发展，硬件越来越便宜，成本越来越低。所以空间换时间是现在算法中经常会出现的一种做法。

那我们如何度量一个算法的效率呢？通过时间复杂度和空间复杂度。

算法效率的度量

时间复杂度

在了解时间复杂度之前，先来了解几个概念：
频度：一个语句在算法中被重复执行的次数。
算法中所有语句的频度之和，被称为T(n)，它是关于问题规模n的函数

时间复杂度就是分析T(n)的数量级。

基本运算：算法最深层循环内的语句。 它的频度跟T(n)同数量级，因此主要分析基本运算的频度f(n)来分析时间复杂度。

复杂的时间复杂度记为T(n)=O(f(n))，O的含义就是T(n)的数量级。

最坏时间复杂度是指在最坏情况下，算法的时间复杂度。
平均时间复杂度是指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
最好时间复杂度是指在最好情况下，算法的时间复杂度。

一般总是考虑的时间复杂度是最坏时间复杂度。

时间复杂度的计算遵循两条规则：

• 加法规则：T(n)=O(f(n))+O(g(n))=O(max(f(n),g(n))) 取最大者
• 乘法规则：T(n)=O(f(n))*O(g(n))=O(f(n)*g(n)) 取两者之积

常见的渐进时间复杂度为