算法学习

算法

确定性

健壮性

算法效率度量

时间复杂度

空间复杂度

算法运算时间与以下几个方面相关

1、算法采用的策略，方案

2、编译产生的代码质量

3、问题的输入规模

4、机器执行指令的速度

故不考虑这些与计算机硬件、软件有关的因素，一个程序的运行时间依赖于算法的好坏和问题的输入规模。

判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略，更应该关注主项（最高项）的阶数。   函数的渐进增长

例如：算法计算次数2n^2+3n+1，其时间复杂度为O(n^2)

算法时间复杂度

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的变化情况并确定T(n)的数量级。算法的时间复杂度也就是算法的时间度量，记作：T(n)=O( f(n) )。它表示问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称时间复杂度。其中f(n)是问题规模n的某个函数。

函数调用的时间复杂度

常见的时间复杂度：

常数阶          线性阶              平方阶            nlogn阶              对数阶                立方阶              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)

算法的空间复杂度

计算算法所需的存储空间实现

算法	大O表示法的时间复杂度
线性查找	O(N)
二分查找	O(logN)
无序数组的插入	O(1)
有序数组的插入	O(N)
无序数组的删除	O(N)
有序数组的删除	O(N)

N表示输入的数据规模