算法和算法分析

1.算法的定义

算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中的每一条指令表示一个或多个操作。

2.算法的特性

（1）有穷性：一个算法必须总是在执行有穷步之后结束，并且每一步都可在有穷时间内完成。
（2）确定性：算法中每一条指令必须有确切的含义，读者理解时不会产生二义性。即对相同输入只能得到相同的输出。
（3）可行性：一个算法是可行的，即算法中描述的操作都是可以通过已经实现的基本运算执行有限次来实现的。
（4）输入：一个算法有零个或多个输入，这些输入取自于某一个特定的对象的集合。
（5）输出：一个算法有一个或多个输出，这些输出是同输入有着某种特定关系的量。
通常设计一个好的算法应考虑达到以下目标：
（1）正确性：算法应当正确地解决求解问题。
（2）可读性：算法应当具有良好的可读性，以助于人们理解。
（3）健壮性：当输入非法数据时，算法也能适当地做出反应或进行处理，而不会产生莫名其妙的输出结果。
（4）效率与低存储量需求：效率是指算法执行的时间，存储量需求是指算法执行过程中所需要的最大存储空间，这两者都与问题的规模有关。

3.算法的时间复杂度定义及计算

一个语句的频度是指该语句在算法中被重复执行的次数。算法中所有语句的频度之和记作T(n)，它是该算法问题规模n的函数，时间复杂度主要分析T(n)的数量级。算法中的基本运算（最深层循环内的语句）的频度与T(n)同数量级，所以通常采用算法中基本运算的频度f(n)来分析算法的时间复杂度。因此，算法的时间复杂度记为：T(n)=O(f(n))。
常见的渐进时间复杂度有：O(1)<O(log₂n)<O(n)<O(nlog₂n)<O(n²)<O(2ⁿ)<O(n!)

4.算法的空间复杂度定义及计算

算法的空间复杂度S(n)，定义为该算法所耗费的存储空间，它是问题规模n的函数。渐进空间复杂度也常简称为空间复杂度，记为S(n)=O(g(n))。算法原地工作是指算法所需辅助空间是常量，即O(1)。

---

例题：
1.以下算法的时间复杂度为（O(n））

int fact(int n){
	if(n<=1) return 1;
	return n*fact(n-1);
}

2.已知两个长度分别为m和n的升序链表，若将他们合并为一个长度为m+n的降序链表，则最坏的时间复杂度为（O(max(m,n))）
3.以下算法中最后一行语句的执行次数为（n(n+1)）

int m=0,i,j;
for(i=1;i<n;i++)
    for(j=1;j<=2*i;j++)
        m++;