1、算法的特征:输入输出、有穷性、确定、可行。
算法可以没有输入,但是一定有输出。
有穷性:算法在执行有限的步骤之后,自动结束不会出现无限循环,并且每个步骤在一个可接受的时间内完成。不是数学意义上的有穷,而是实际应用中合理的、可接受的边界。
确定:指算法的每个步骤都有确定的含义,不会出现二义性。相同的输入只能有唯一的输出结果。
可行:算法的每个步骤都是可行的,也就是说,每一步都可通过执行有限的次数完成。
2、算法的设计要求:可读、正确、健壮、执行效率高存储少。
正确:算法的输入输出、加工处理无歧义,能正确的反应问题的需求,能得到问题的正确答案。
正确性的4个层次:算法执行不出错;算法对合理的输入输出正确的答案;算法对非法输入有满足规格说明的输出;算法对精心选择的刁难的测试数据有满足要求的输出。
可读:算法设计的一个目的就是便于便于阅读、理解和交流。可读是算法好坏很重要的标志。
健壮:当输入非法数据,算法也应该做出相关处理,不应该产生异常或莫名其妙的结果。
时间效率高存储量低是好算法应该具备的特点。
3、算法效率的度量方法:事后度量法和事前分析估算方法。事后度量是先设计好程序和测试数据,依靠计算机的计时对不同算法执行时间比较,确定算法时间效率。
一个高级程序语言编写的算法在计算机上的时间效率取决于:算法的策略方法;软件编译的代码质量;问题的输入规模;机器执行指令的速度;
问题输入规模指:输入量的多少。
在分析程序执行时间时:最重要 的是把程序看做是独立于程序设计语言的算法或者一系列步骤。
在分析算法的运行时间时,要把基本操作的数量和问题的输入规模关联起来,即基本操作的数量必须表示成输入规模的函数。
如对n求累加和,输入是n,操作数量是f(n);又如输入坐标(x,y),操作数量是f(x,y)。
4、函数的渐进增长:给定两个函数f(n),g(n),当n>=N时,总有f(n)>=g(n),则对应n>=N,f(n)的渐进快于g(n).
5、算法时间复杂度:在进行算法分析时,语句的总执行次数T(n)是关于输入规模n的函数,分析T(n)的随n的变化情况并确定n的数量级。算法的时间复杂度,也就是算法的时间量度,记做:T(n)= O(f(n)).它表示随着问题规模n的增大,T(n)和f(n)的增长率是一个量级,称作算法的渐进时间复杂度,简称时间复杂度。f(n)是问题规模n的某个函数。
6、推导大O阶方法:用1取代运行时间中的所有加法常数;在修改后的运行函数中,只保留最高阶项;最高阶项存在且系数非0,则去除与这个项相乘的常数。
举例:T(n) = nlog2(n/2)+n^2.+4n+3,—》nlog2(n/2)+n^2.+4n+1--》n^2--》O(n^2)
常见的时间复杂度排序:O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)
7最坏情况:我们提到的运行时间一般都是最坏时间
平均时间:期望的运行时间,最有实际意义。