[数据结构]算法基本概念和推导大O阶步骤

算法的定义和特性

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

算法有5个基本特性:

特性	特性描述
输入输出	算法具有零个或多个输入，至少有一个或多个输出
有穷性	指算法在执行有限个步骤之后，自动结束而不会出现无限循环，并且每个步骤在可接受时间内完成
确定性	算法的每一个步骤都具有确定的含义，不会出现二义性
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

算法设计的要求

要求	要求描述
正确性	算法的正确性是指算法至少应该具有输入、输出和加工处理无歧义性，能正确反映问题的要求、能够得到问题的正确答案
可读性	算法设计的另一目的是为了便于阅读，理解和交流，可读性是算法好坏的重要标志
健壮性	当输入数据不合法时，算法也能做出相关的处理，而不是产生异常或莫名其妙的结果
时间效率高和存储量低	这一点是毋庸置疑的…

推导大O阶方法

算法时间复杂度，也就是算法的时间量度。记作:T(n)=O(f(n))。表示随问题规模n的增大，算法执行的时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间的复杂度。其中f(n)是问题规模n的某个函数。一般情况下，都是指最坏时间复杂度。

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，只保留最高项
3. 如果最高项存在且不是1，则去除与这个项相乘的常数

常见的时间复杂度消耗时间的大小排列:

$$O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)$$