大话数据结构学习笔记二：算法

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：算法具有零个或者多个输入，至少有一个或者多个输出。

2 有穷性： 指算法在执行完有限的步骤之后，自动结束而不会出现无线玄幻，并且每个步骤都在可接受的时间内完成。

3 确定性：算法的每一个步骤都有确定的含义。

4 可行性：算法的每一步都必须是可行的，也就是说，每一步都能够通过执行有限次数完成。

三 算法设计的要求

1 正确性：算法的正确性是指算法至少应该有输入、输出、和加工处理无歧义性、能正确反映问题的需求、能够得到问题的正确答案。

2 可读性：苏娜法设计的另一个目的是为了便于阅读理解和交流。

3 健壮性：当输入数据不合法时，算法也能够做出相关处理，而不是产生异常或莫名其妙的结构。

4 时间效率高和存储量低

四 算法时间复杂度

1 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的变化情况来确定T(n)的数量级。算法的时间复杂度，记作：T(n)=O(f(n))。它表示随时间规模n的增大，算法执行的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间负责度。

2 推到大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 如果最高阶存存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶。

3 常数阶：O(1)

int sum = 0, n=100；
sum=(1+n)*n/2；
printf("%d",sum)

4 线性阶：O（n）

int n=100,sum=0;
for(i=0;i<n;i++)
{
    sum+=i;
}

5 对数阶：O(logn)

int count=1;
int n=10000;
while(count<n)
{
    count*=2;
}

6 平方阶：O()

int i ,j;
for(i=0;i<n;i++)
{
    for(j=0;j<n;j++)
    {
        /*时间复杂度为O（1）的程序步骤序列*/
    }
}

7常见的时间复杂度：

执行次数	阶	非正式术语
12	O(1)	常数阶
2n+3	O(n)	线性阶
+2n+1	O()	平方阶
5logn+20	O(logn)	对数阶级
2n+3nlogn+19	O(nlogn)	nlogn阶
	O()	指数阶

8 算法空间复杂度

算法的空间复杂度通过计算算法所需要的存储空间实现，算法空间复杂度的计算公式记作：S(n)=O(f(n)),其中n为问题的规模。