算法分析的目的_掌握这些数学函数，你会在算法效率的分析时经常用到

算法分析应该怎么做？

在许多情况下，分别运行两种算法来解决同一问题是不理想的，面对这一困难，我们只好求助于数学工具，虽然我们无法对一个尚未完全实现的程序进行比较，但是通过数学分析，我们可以理解程序性能的大致轮廓，并且可以估计改进后的程序的效果。

大部分算法都有影响运行时间的主要参数，这里是对求解问题规模的抽象度量，例如对于排序算法，它是要排序的元素数目。目的是通过简单的数学公式，尽可能地表达出程序的运行效率。

功能增长

对两种算法进行比较，我们不满足于简单地将其描述为“一种算法比另一种算法快”，而是希望能通过数学函数直观地了解两者的区别，特别是希望知道“一种算法比另一种算法快多少”。

有些功能在算法分析中是非常常见的：

…在一个程序中，如果大多数指令只运行一次或几次，与问题的大小无关，那么程序的运行时间是不变的。小高斯的算法是典型的常量时间。当问题规模增大时，程序的运行时间会变慢，因此可以认为程序的运行时间小于常数。尽管对数的底数影响函数值，但影响不大。考虑到计算机是进制的，所以它通常被取为底数值，这与数学(数学)略有不同。在适当的时候；在增加了一倍的时候,,只有微弱的增长；只有在增加了一倍的时候。若一种算法将一个大问题分解成几个小问题，每个小问题的运行时间都是常数，则我们认为该算法的运行时间是，典型的二分查找。该比率略高，当问题规模加倍时，运行时间比加倍时要短一些；当问题规模加倍时，程序运行时间会加倍。代价为 ntime的程序通常会处理程序的终止条件，例如，当判断一个数是否为质数时，边界值是质数的平方根，而非质数本身。通常称为线性时间，如果问题规模加倍，则程序运行时间也加倍。强制力达到的方法是线性时间，这类方法通常会有一个循环，结束于问题的规模。如果运行时间比问题大小增加一倍多一点，那么只需说明程序正在运行的时间。如果发生这种情况；如果 N=2048，不要把一个大问题分解成几个小问题，它们可以在一定的时间内运行，而要区分一下，是否需要合并这些小问题，如果合并，就是这样。大部分归并问题的运行时间可以简单地考虑。若问题的规模加倍，运行时间加倍；若问题的规模加倍，运行时间加倍。若问题的规模加倍，运行时间加倍；若问题的规模加倍，运行时间加倍。确实非常重要的增长假如；加倍努力，对于复杂问题，蛮力法一般都有这个尺度，这类算法一般不适用于实际问题。

让我们看看这些功能的增长曲线，如图1所示。