算法基础

1、算法概念：

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

一个算法具有以下五个特征

• 有穷性（算法要能计算完）
• 确切性（每一步都要有意义）
• 输入项（）
• 输出项
• 可行性（算法是正确的，可以执行）

指令：指挥机器工作的指示和命令，程序就是一系列按一定顺序排列的指令

---

2、时间复杂度：

算法评定：算法分析的目的在于选择合适算法和改进算法，一个算法的优劣主要从时间复杂度和空间复杂度来考虑

时间复杂度：执行算法所需要的计算工作量，一般来说，计算机算法是问题规模n的函数f(n)。算法的时间复杂度也因此记作T(n)=O(f(n))

问题的规模n越大，算法执行的时间的增长率与f(n)的增长率为正相关，称作渐进时间复杂度

时间复杂度效率排行：
O(1) > O(log2n) > O(n) > O(nlog2n) > O(n^2) > O(n^3) > O(2^n) > O(n!) > O(n^n)

---

2.1、时间复杂度其他概念

最坏情况：
最坏情况时的运行时间，如果没有特别说明，说的时间复杂度即为最坏情况下的时间复杂度

平均情况：
期望运行的时间

2.2、时间复杂度计算方式

常见时间复杂度：
平方阶O(n^2)、常数阶O（1）、线性阶O（n）、 立方阶O(n^3)、 对数阶、nlog2n阶、指数阶

2.2.1、时间复杂度计算方式

得出算法的计算次数公式
用常数1来取代所有时间中的所有加法常数
在修改后的运行次数函数中，只保留最高阶项
如果最高阶存在且不是1，则去除与这个项相乘的常数（比如O(n^2+3n+1) 那么只取最高阶n^2，所以时间复杂度为 O(n^2) ）

1、线性阶O(n)：

2、常数阶O(1)：

3、平（立）方阶O(n^2) / O(n^3)：

4、特殊平（立）方阶O(n^2+n+1) --》 O(n^2) ：

5、对数阶 O(log2n)：

3、空间复杂度

算法需要消耗的内存空间，记作S(n)=O(f(n))
包括程序代码所占用的空间，输入数据所占用的空间，辅助变量所占用的空间这三个方面

计算和表示方法与时间复杂度类似，一般用复杂度的渐进性来表示

冒泡排序的空间复杂度：O(1)

---

4、排序算法

4.1、冒泡排序

原理：两两相邻的数进行比较，如果反序就交换，否则不交换
时间复杂度：最坏O(n^2)、平均 O(n^2)
空间复杂度：O(1)

$arr = [3,2,1,4,9,11,10,100,300,200,333,5,7,8];
$arr_len = count($arr);
for($i=0;$i<$arr_len;$i++){
	$arr[$i]
}

4.2、直接插入排序

4.3、希尔排序

4.4、选择排序

4.5、快速排序

4.6、堆排序

4.7、归并排序

在这里插入图片描述

5、查找算法

5.1、二分查找

5.2、顺序查找