算法分析总结(一)：算法基本概念与NP完全理论

算法定义

一般认为，算法是由若干条指令组成的有穷序列，具有下列五个特性：

• 确定性：每条指令都是明确的、无二义的
• 能行性：每条指令都必须是能够执行的
• 输入：允许有0个或多个输入量，取自特定的集合
• 输出：产生一个或多个输出，它（们）与输入量之间存在着某种特定的关系
• 有穷性：每一条指令执行的次数都是有穷的

注：如果不满足有穷性，满足前4条，则称为计算过程，操作系统OS就是计算过程。

算法好坏的衡量尺度

• 问题规模：输入数据量的测度
• 基本运算：解决给定问题时占支配地位的运算
• 算法的计算量函数：时间复杂度T(n)

渐近时间复杂度

指的是当问题的规模趋于极限情形时（相当大）的时间复杂度，由三种表示记号：O，Ω，Θ

T(n)= O(f(n))

• 定义：若存在c > 0，和正整数n₀ ≥1，使得当n≥n₀时，总有T(n)≤c*f(n)
• 给出了这个算法时间复杂度的上界，也就是说复杂度不可能比c*f(n)大
• 可以用小于号 < 来理解，也就是说一个算法的复杂度一定＜c*f(n)

T(n)=Ω(f(