少女Q的量化交易转型之路 #week 1 之二

Continued…

第二章 算法

算法的定义：算法是解决特性问题求解步骤的描述，在计算机中为指令的有限序列，并且每条指令表示一个或多个操作。
算法的特性：有穷性，确定性，可行性，输入，输出。
算法设计要求：正确性，可读性，健壮性（对于输入数据不合格的情况做合适的处理），高效率和低存储量需求。

2.1 算法效率的度量方法

事后统计方法：用测试好的程序进行多次测试，耗时耗力，不推荐。
事前分析估算方法：对于一个函数，步骤越少，肯定编译的时间就越少。每一条指令算一个时间增加区间。所以可以提前知道函数大概需要耗费的程度。如下
第一种算法：

int 1, sum = 0, n = 100;       /* 执行1次*/
for (i - 1; i <= n; i++)       /*执行n+1次*/
{
     
     sum = sum + i;		      /*执行n次*/
 }
 printf("%d", sum);	      	  /*执行1次*/

第二种算法：

int sum = 0, n = 100;     /*执行一次*/
sum = (1 + n) * n/2;      /*执行一次*/
printf("%d",sum);         /*执行一次*/

第一种算法执行了2n+3次，第二种执行了3次。但不是每次算法都是要遍历计算出来的，很多算法效率可以抽象成一个函数出来。

2.2 函数的渐进增长

一种算法2n+3次运算，另一种3n+1次运算。可见在n=2时，是判定两个算法好坏的转折点。
给出定义：输入规模n在没有限制的情况下，只要超过一个数值N，这个函数就总大于另一个函数，称函数是渐进增长的。并且当函数为高阶时，一些低阶参数以及常数项可以忽略。

2.3 算法时间复杂度

算法的时间复杂度，也就是算法的时间量度，记作：T(n) = O(f(n))。它表示随着问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法渐进时间复杂度，简称时间复杂度。用大写O()来体现算法的时间复杂度的记法，称之为大O记法。
推导大O阶：
1.用常数1取代运行时间中的所有加法常数。
2.在修改后的运行次函数中，只保留最高阶项。
3.如果最高阶项存在且不是1，则去除与这个项相乘的常数。
得到的结果就是大O阶。

2.3.1 常数阶

int sum = 0, n = 100;       /*执行一次*/
sum = (1 + n) *n/2;			/*执行一次*/
printf("%d",sum);			/*执行一次*/

根据大O阶，第一步把项数3改成1。运行次数函数f(n)=3,时间复杂度为O(1)。

int sum = 0, n = 100;
sum = (1 + n ) *n/2;         /*第1次执行*/
sum = (1 + n ) *n/2;         /*第2次执行*/
sum = (1 + n ) *n/2;         /*第3次执行*/
sum = (1 + n ) *n/2;         /*第4次执行*/
sum = (1 + n ) *n/2<