算法定义: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。
算法的五个基本特征:输入、输出、有穷性、确定性、可行性。
1. 输入:0个或多个输入。
2. 输出:至少一个或多个。算法一定有输出,可以是打印输出,也可以是返回一个或多个值等。
3. 有穷性:每一个步骤在可接受的时间内完成,在执行有限步骤后,自动结束而不出现无限循环。
4. 确定性:算法的每一个步骤都有确定的含义,不会出现二义性。
5. 可行性:算法的每一步都是可行的,即每一步骤都能够通过有限次数完成。
算法设计的要求:正确性、可读性、健壮性(当输入数据不合法时,算法能做出相关处理,而不是产生异常或莫名其妙的结果)、时间效率高、存储量低。
算法的时间效率:
>>对于分支结构,无论真假,执行的次数都是恒定的,不会随着n的变化而变换,所以单纯的分支结构(不包含在循环结构中),其时间复杂度是O(1)。
下面这段代码的时间复杂度是O(1)。代码执行次数和n的大小无关。
int sum = 0, n = 100;
sum = (1 + n) * n / 2;
printf("%d", sum);
>>分析算法的复杂度,关键是分析循环结构的运行情况。
下面这段代码的时间复杂度为O(n)。因为循环体中的代码执行n次。
int i;
for(i = 0; i < n; i++)
{
printf(i); /* 执行n次 */
}
下面这段代码的时间复杂度为O(logn)。计算多少个2相乘后会达到n,也就是计算2^x=n,得x=log2n。
int count = 1;
while (count < n)
{
count = count * 2;
}
下面这段代码的时间复杂度为O(n^2)。内层循环的时间复杂度是O(n),外层循环是让内层循环再执行n次,因此整段代码的时间复杂度是O(n^2)。
int i,j;
for(i = 0; i < n; i++)
{
for(j = 0; j < n, j++)
{
printf(j);
}
}
下面这段代码的时间复杂度也是O(n^2)。当i = 0时,内层循环执行了n次,当i = 1时,内层循环执行了n-1次,...,当i = n-1时,内层循环执行了1次,所以总的执行次数为 n+(n-1)+(n-2)+...+1=0.5n^2+0.5n,得到O(n^2)。
int i, j;
for(i = 0; i < n; i++)
{
for(j = i; j < n; j++) /* 注意是 j = i */
{
printf(j);
}
}
常见的时间复杂度表
执行次数函数 | 阶 | 非正式术语 |
---|---|---|
12 | O(1) | 常数阶 |
2n+3 | O(n) | 线性阶 |
3n^2+2n+1 | O(n^2) | 平方阶 |
5log2n+20 | O(logn) | 对数阶 |
2n+3nlog2n+19 | O(nlogn) | nlog阶 |
6n^3+2n^2+3n+4 | O(n^3) | 立方阶 |
2^n | O(2^n) | 指数阶 |
常用的时间复杂度所耗费的时间从小到大依次是:
O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)