数据结构学习笔记（二）

一、算法

1.定义：为了解决某个或某类问题，把指令表示成一定的操作序列，操作序列包括一组操作，每个操作都完成

特定的功能。

2.基本性质

（1）输入输出特性：可以有零个或多个输入，有一个或多个输出。

（2）有穷性：算法在执行有限步骤后，自动结束不会出现无限循环，并且每个步骤在可接受的时间内完成。

（3）确定性：算法的每个步骤都有确定的含义，不会出现二义性

（4）可行性：算法的每一步都是可行的，每一步都能够通过执行有限次数完成。

3.设计要求

（1）正确性：语法正确，对于合法、非法、甚至刁难的数据能够得到满足要求的输出结果

（2）可读性：方便阅读、理解和交流

（3）健壮性：对不合法的输入数据做出合适的处理

（4）时间效率高、存储量低：尽量满足时间效率高和存储量低的需求

4.效率的度量方法

（1）事后统计方法：通过设计好的测试程序和数据，利用计算机计时器对不同算法编制程序运行时间比较，确定效率高低。

（2）事前分析估算方法：在程序编制前，依据统计方法对算法进行估算。消耗的时间取决于：算法方法、代码质量、输入规模

机器执行速度。

5.渐进增长

给定两个函数f(n)和g(n)，如果一个整数N，使得对于所有的n>N，f(n)总是比g(n)大，则f(n)增长渐进快于g(n)。

最高项的常数并不重要，最高次项的指数大的，随着n的增长，结果也会变得增长特别快。因此，判断一个算法的

效率时，函数中的常数常常可以忽略，更应该关注最高阶项的阶数。某个算法，随着n的增大，会越来越优于另一算法，或者越来越差于另一算法。

6.时间复杂度

进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，进而分析T(n)随n的变化情况并确定T(n)的数量级。算法的时间复杂度，也就是算法的时间量度，记作：T(n)=0(f(n))，它表示随问题规模n的增大，算法执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

随着n的增大，T(n)增长最慢的算法为最优算法。

eg:

，时间复杂度为

循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。