个人算法小结

第一章

时间复杂度：

		指算法运行的速度。但由于机器硬件、软件以及问题规模等因素，同样的算法在不同机器、
	不同规模下速度不一样。为统一分析算法的时间效率或者速度，用基本操作的执行次数来度量
	算法的时间效率。这其中，又以执行频度最高的语句执行次数来衡量一个算法的随问题增长的
	阶数。

空间复杂度：

   是算法在运行过程中占用存储空间大小的度量。它包括三个方面：
   		1.存储算法本身所占用的存储空间
   		2.算法的输入/输出数据所占用的存储空间
   		3.算法在运行过程中临时占用的存储空间

常见的复杂度阶数：

		排序法		平均时间		最差情形		稳定度		额外空间		备注
		冒泡		O(n2 )		O(n2 )		稳定		O(1)		n较小时较好
		交换		O(n2 )		O(n2 )		不稳定		O(1)		n较小时较好
		选择		O(n2 )		O(n2 )		不稳定		O(1)		n较小时较好
		插入		O(n2 )		O(n2 )		稳定		O(1)		大部分已排序时较好
		基数		O(logR B)	O(logR B)	稳定		O(n)		B是真数(0-9)，R是基数(个十百)
		Shell		O(nlogn)	O(ns )1<s<2	不稳定		O(1)		s是所选分组
		快速		O(nlogn)	O(n2 )		不稳定		O(nlogn)	n较大时较好
		归并		O(nlogn)	O(nlogn)	稳定		O(1)		n较大时较好
		堆			O(nlogn)	O(nlogn)	不稳定		O(1)		n较大时较好

第二章 算法设计基本策略

蛮力法：

亦称穷举法、暴力法。枚举出所有可能状态，然后在这些状态中找到所需的解

贪心法：

     该方法在每一步获得当前状态下最好的结果，通过使用局部最优解步步逼近的方式获得问题
全局的最优解。
	 贪心法并非完美的，因为有时问题的局部最优解无法逼近全局的最优解。

递归法：

	直接或间接的调用自身的算法称为递归算法。
	缺点：空间上的消耗大。

分治法：

	将一个规模较大的问题划分为规模较小的问题，分别解决小问题。
	三个基本步骤：
		1.将原问题分解为若干相同的子问题
		2.若子问题的规模容易解决则直接解决，否则继续分解。
		3.将子问题的解合并得到原问题的解。
	例子：汉诺塔问题

回溯法：

    在包含问题所有解的空间树中，按照***深度优先***的策略，从根节点出发搜索整个空间树，
    直到找到满足条件的所有解或解空间中已无活节点为止。

分支法：

	在包含问题所有解的空间树中，按照***广度优先***的策略，依次搜索扩展结点的所有分支，
	舍弃不满足约束条件的结点，并将其余节点加入活结表