浅谈对算法的一些概念的理解

最近计划重新开始学习数据结构和算法了

以下是关于《大话数据结构》第二章 读后总结

在此记录一下自己的理解和思考

概念一：算法的定义

书中：

是解决特定问题求解步骤的描述，在计算机中表现为指令的有限序列，并且每条指令表示一个或多个操作

个人理解：

能够更快更巧妙的去计算解决一个数学问题的思路方法和实现步骤。

要类比的话就好比在农场中，人类可以利用袁隆平爷爷发明的杂交水稻的方法（算法）更快的去解决一个自然培育方法（普通的方法）所难以解决的粮食产量问题（数学问题）。

概念二：算法的特性

书中：

算法具有五个基本特性：

① 输入：接受零个或多个输入

② 输出：至少有一个或多个输出

③ 有穷性：执行结果在可接受的时间内完成

④ 确定性：执行的每个步骤都被精确定义

⑤ 可行性：执行的每一步的是可以实现的

个人理解：

算法的特性，

好比用天然户外种植和杂交水稻的方式进行种植，一片土地可以看成是一个神奇黑匣子。

你给它春天播下种子（输入）并不断的浇水（可行性），保证充足的水分和阳光（确定性）他就能够在秋天（有穷性）给你丰收的果实（输出）。当然你不种东西（零输入），他也可能给你长出杂草（输出）

要是杂交水稻的例子，那就更能体现这个特性，你这个杂交的方法（算法），是否可行（理论到实操：可行性），怎么进行杂交的（步骤和操作：确定性），要提供什么（输入），能产出什么（输出），多久能看到产出（有穷性）。

概念三：算法设计的要求

书中：

① 正确性：算法至少应该具有输入，输出和加功处理无歧义性，能正确反映问题的需求，能够得到问题的正确答案。

② 可读性：算法设计的另一目的是为了便于阅读，理解，交流

③ 健壮性：当输入数据不合法时，算法也能做出相关处理，而不是产生异常或莫名奇妙的结果

④ 时间效率高和存储量低：设计算法应该尽量满足时间效率高和存储量低的要求

个人理解：

还是拿杂交水稻方法来说，能够拿出来作为算法的方法，那肯定要能够提高产能确实解决温饱问题（正确性），无异议的，一般人都能理解和明白（可读性）公认这个方法没问题。当然最好，在能快速提高产能（时间效率高）的情况下，还能够用消耗更少的资源，比如财力物力人力等（存储量低）。然后这个方法在筛选种子（输入）的时候是否有要求（健壮性）

概念四：算法效率的度量方法

书中：

① 事后统计法：通过设计好的测试程序和数据，利用计时器对不同算法编制的程序的运行时间进行比较。

② 事前分析估算法：在程序编制前，依据统计方法对算法进行估算。

个人理解：

事后统计法就是直接用计时器，直接看不同算法运算出结果时的总时间。

事前分析估算法就是大概数一下有哪些步骤，哪些步骤要花多长时间，进行简单的累加估算

概念五：函数的渐近增长

书中：

① 函数的渐近增长：给定两个函数f(n)和g(n)，如果存在一个整数N，使得对于所有的n>N,

f(n)总是比g(n)大，那么，我们说f(n)的增长渐近快于g(n)

个人理解：

相当于龟兔赛跑中，兔子和乌龟的比赛，虽然兔子提前让乌龟了跑了很多距离，但是兔子的加速度注定的天生的就会比乌龟还要快，所以只要终点是在无限长的位置，兔子🐇一定能超越并且是远超越乌龟🐢，

除非终点不长，就像我们常听到的那个故事的结果（🐢赢了🐇）。。。

因为不管一开始乌龟拉了兔子多长距离，只要兔子一发力，总有一个位置会是兔子和乌龟相遇的地方。

所以不同的算法，因该要考虑N的取值范围，算法A的基因比算法B基因优秀，但是如果在在指定的某些范围内，算法A就不一定要优于算法B。

概念六：算法的时间复杂度

书中：

① 算法时间复杂度的定义：

在进行算法分析时，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的变化情况并切丁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)=O(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，称作算法的渐近时间复杂度，简称为时间复杂度。其中f(n)是问题规模n的某个函数。

② 常见的时间复杂度

O(1) < O(logn) < O(n) < O(nlogn) < O(n^2) < O(n^3) < O(2^n) < O(n!) < O(n^n)

③ 最坏情况和平均情况

在查找的算法中，时间一般没有特殊说明按照最坏情况计算。

平均的查找时间一般为(n+1)/2，平均运行时间是所有情况中最有意义的，因为它是期望的运行时间。

④ 算法的空间复杂度

通过计算算法所需要的存储空间

个人理解：

算法执行得到结果得总时间和影响总时间得各个因素的总关系。比如，从播种到获取果实的时间，是由水分，阳光等环境因素影响。

还有比较直观能理解的常见的关系，就是初中学习的 y = 1, y = x, y = x^2，y = log2x

把y比作总时间，x比作因素， y = 1 ，说明因素x的变化对y总时间没啥影响

y = x, 说明总时间会随这x的增长而增长，呈线性关系

至于为什么平均的查找时间为 （n+1）/ 2

假设 我们在台球上，放着五粒桌球，分别为1，2，3，4，5号。我们的目标是摸出一号球。

假设我们每次都从第一个位置开始摸，

如果第一次的位置是 【1，2，3，4，5】，则第一次就摸中，胜利✌

但是 一号球 也有可能在第二个位置【2，1，3，4，5】，则按照我们摸法，得摸第二次才摸中

但是 一号球 也有可能在第三个位置【2，3，1，4，5】，则按照我们摸法，得摸第三次才摸中

但是 一号球 也有可能在第四个位置【2，3，4，1，5】，则按照我们摸法，得摸第四次才摸中

但是 一号球 也有可能在第五个位置【2，3，4，5，1】，则按照我们摸法，得摸第五次才摸中

所以我们要摸到 一号球 的次数 存在5种可能，分别是1次，2次，3次，4次，5次

所以直观感觉就知道 摸到一号求 的平均次数 就应该就是 3 次。就是取中间值

数学公式就是 （n+1）/ 2。

至于空间复杂度的理解应该就是非常直观，即占用空间的大小和影响空间大小因素的关系。

以上就是 对第二章（算法）的 总结归纳~

希望自己理解的没有啥错误😅