算法与数据结构先导章

一. 程序，算法需要度量，不然毫无意义。
二. 计算模型：
1. 正确性
2. 成本：运行时间+所需存储空间
A 无法正确计算每个程序运行的时间。一般用过规模来衡量程序所花时间。（T(n)）
B 最坏情况:最先考虑程序执行的最坏情况。
C 理想模型：不依赖程序员，机器，体系结构，从而直接准确的描述，测量并评价算法。
D 图灵机模型：按照一个节拍来运转；用5个状态来描述：
transition Function：（q,c;d,L/R,p）:
若当前状态为q且当前字符为c，则将字符改为d，并转向左右的邻值，转入p状态；一旦进入h，停机结束。
E RAM模型：与图灵机的转换函数相对应，也是一般计算工具的简化和抽象。独立于具体平台，对算法的效率做出可信的比较和评判。
算法的运行时间 = 算法需要执行的基本操作次数（Tn）
三. 大O记号：关注主要的，长远的变化趋势
1. 采用大O几号来度量时间复杂度。
A 常系数忽略：
B 低次项可忽略：O（na+nb）（a>b） = O(na)
2. 高效解：
A .O（1）:不含有转向（循环，调用，递归等），无分支，必然顺序执行。
B .O(logn)：忽略掉该有的常数项
3. 有效解：
A .O(nc) :
B 线性:O(n)
4. 难解：
A .O(2n):不存在有效算法
5. 增长速度：
四. 算法分析：
1. 两个重要任务 ： 正确性（不变性 * 单调性） + 复杂度
2. 复杂度分许的主要方法：
迭代：级数求和
递归：递归跟踪+递归方程
猜测+验证
3. 级数：
A 算数级数：与末项平方同阶
T（n） = 1++2+3+45+……+n = n(n+1)/2 = n2
B 幂方级数：比幂次高出一阶
T2（n）=12+22+32+42+……….n2 = n(n+1)(2n+1)/6 = O(n3)
C 几何级数：与末项同阶
D 收敛级数：O（1）

4. 循环：估算两层for循环的时间复杂度
五. 迭代与递归：
六. 动态规划