算法学习：算法简介

14天阅读挑战赛
*努力是为了不平庸~

---

系列文章目录

第一章 算法简介
第二章 贪心算法

---

---

百度百科中，算法（Algorithm） 的定义是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。讲人话呢就是指 解决问题的过程（步骤、方案）。算法规定了解决某个问题的具体步骤，先做什么、再做什么、最后做什么，只要依次完成这些步骤，问题就可以得到解决。广义上讲，算法在我们生活上、课题研究中等各方面都有应用。例如，早上起床，在煮饭时人不是非要盯着它的，我们去洗漱，这种对时间的安排利用也可以说是一种算法的体现，有点 “多线程” 或说 “并行” 的意思。还有课题研究中，通过算法改进研究课题的方法，提高效率等等。

狭义上讲，算法就是在编程中的概念。一般认为数据结构+算法=程序，数据结构是程序的框架，算法是程序的灵魂。讲人话就是，数据结构就是形如：结构体、队列这种，算法就是对其操作的方法，最终目的是完成程序的编写。这也是本系列文章的研究对象，当然这些思路对广义上的研究也是很有用处的。

1.引子

写一个算法求下列序列之和 $-1,1-1,1\dots ,(-1)$?
当看到这个题目时，你会怎么想，for 循环？还是 while 循环?
我们看算法 1-1

// 算法1-1
int sum1(int n){
   int sum=0;
   for(int i=1;i<=n;i++)
      sum+=pow(-1,i);//表示（-1）^i 
   return sum;
}

这段代码可以实现求和运算，但是为什么不这样算？
$-1,1->0,-1,1->0,\dots (-1)n$
再看算法1-2

// 算法1-2
int sum2(int n){
   int sum=0;
   if(n%2==0)
      sum=0;
   else
      sum=-1;
   return sum;
}

可以看出，算法 1-1 需要运行 $n+1$次，如果 $n=10000$,那么就要运行 $10001$次 ，而算法 1-2 仅需运行 $1$次！差别可见一斑。算法是对特定问题求解步骡的一种描述。1-1是算法，1-2也是算法，只不过它们组织的方式不一样，其效率也不一样，那么应具有什么特性才能称作为算法？怎么定性并定量地去衡量算法的好坏呢？

2.算法的特性

有穷性:算法是由若干条指令组成的有穷序列，总是执行若干次后结束，不可能不可能永远不停止
确定性:每条与句都有确定的含义，无歧义
可行性:算法在当前可行条件下可以通过有限次数运算来实现
输入、输出:有零个或多个输入以及一个或多个输出

3.好算法的要求

正确性:正确性是指算法能满足具体问题的需求，程序正常运行，无语法错误，能过通过典型的软 件测试，达到预期
易读性:算法遵循标识符命名规则，简洁易懂，方便自己和他人阅读，便于后期调试和修改。
健壮性:算法对非法数据及操作有较好的反应和处理。例如：在学生信息管理系统中登记年龄时，若21岁误输为210岁，则系统应有错误提示
高效性:高效性是指算法运行效率高，即算法运行消耗的时间短。
低存储性:低存储性是指算法所需的存储空间小。对于像手机、平板电脑这样的嵌入式设备，算法如果空间过大，则无法运行，算法占用空间大小被称为“高效率、低存储”

4.定量分析：算法复杂度

算法复杂度分量种：时间复杂度和空间复杂度
衡量不同算法的优劣，主要还是根据算法所占的空间和时间两个维度去考虑。但是，世界上不会存在完美的代码，既不消耗最多的时间，也不占用最多的空间，鱼和熊掌不可得兼，那么我们就需要从中去寻找一个平衡点，使得写出一份较为完美的代码。

4.1时间复杂度

时间复杂度：算法运行需要的时间
算法的时间复杂度就是算法运行所需的时间。现代计算机一秒能计算数 10亿次，所以不能用秒来计算算法消耗时间。由于相同配置的计算机进行一次基本运算的时间是一定的，可以用算法基本运行的执行次数来衡量算法的效率，因此我们将算法基本运算的执行次数作为时间复杂度的衡量标准

观察算法1-3并分析算法的时间复杂度。

//r算法1-3
int sum=0;//运行1次
int total=0;//运行1次
for(int i=1;i<=n;i++)i{//运行n+1次。最后一次判断不满足循环条件
	sum=sum+i;//运行n次
	for(j=1;j<=n;j++){//运行n×(n+1)次
		total=total+i*j;//运行n×n次

把算法1-3中所有语句的运行次数加起来:$1+1++1+n+n\times (n+1)+n\times n$。这可以用一个函数$T(n)$来表达:
$$T(n)=2n^2+3n+3$$
当$n$足够大时，例如$n=105，Tn)=2\times 10^{1}0+3\times 10^5+3$。可以看出，算法的运行时间主要取决于最高项，小项和常数可以忽略不计。故算法1-3的时间复杂度为$O(N^2)$。
注意:并不是所有算法都能直接计算运行次数。如下例：

//算法1-4
int findx(int x){//在a[n]数组中顺序查找x
	for(int i=o;i<n;i++){
		if(a[ i]==x)
			return i; //查找成功，返回其下标i
	}
	return -1;//查找失败，返回-1
}

对于算法1-4中的程序，我们很难计算到底执行了多少次，因为运行次数依赖于$x$在数组中的位置。如果第一个元素就是$x$，则执行$1$次（最好情况)﹔如果最后一个元素是$x$，则执行$n$次(最坏情况)﹔如果分布概率均等，则平均运行次数为$(n+1)/2$。
有些算法，如排序、查找、插入算法等，可以分为最好、最坏和平均情况分别求算法渐近复杂度。但考查一个算法时通常考查最坏的情况，而不是考查最好的情况，最坏情况对衡量算法的好坏具有实际意义。

4.2空间复杂度

空间复杂度：算法占用的空间大小。
空间复杂度的本意是指算法在运行过程中占用了多少存储空间。算法占用的存储空间包括:
(1)输入/输出数据;
(2)算法本身;
(3)额外需要的辅助空间。
输入/输出数据占用的空间是必需的，算法本身占用的空间可以通过精简算法来缩减，但缩减的量是很小的，可以忽略不计。算法在运行时所使用的辅助变量占用的空间（即辅助空间)才是衡量算法空间复杂度的关键因素。

5.算法种类

算法作为一门学问，有两条几乎平行的线索。一条是数据结构（数据对象)︰数、矩阵、集合、串、排列、图、表达式、分布等。另一条是算法策略:贪心策略、分治策略、动态规划策略、线性规划策略、搜索策略等。这两条线索是相互独立的:对于同一个数据对象上不同的问题(如单源最短路径和多源最短路径)，就会用到不同的算法策略（如贪心策略和动态规划策略)﹔而对于完全不同的数据对象上的问题(如排序和整数乘法)，也许就会用到相同的算法策略（如分治策略)。
两条线索交织在一起，该如何表述呢?我们早已习惯在一章中完全讲排序，而在另一章中完全讲图论。还没有哪一本算法书能够很好地解决这两个困难，传统的算法书大多注重内容的收录，却忽视思维过程的展示，因此我们虽然学习了经典的算法，却费解于算法设计的过程。
本书从问题出发，根据实际问题分析、设计合适的算法策略，然后在数据结构上操作实现，巧妙地将数据结构和算法策略拧成一条线。全书通过大量实例，充分展现算法设计的思维过程，让读者充分体会求解问题的思路、如何分析、使用什么算法策略、采用什么数据结构、算法的复杂性如何、是否有优化的可能等等。这里，我们培养的是让读者怀着一颗好奇心去思考问题、解决问题，更重要的是——体会学习的乐趣，发现算法的美!

总结

算法没有那么神秘~