data structure 1 算法和算法分析

1）算法的基本概念

      - 简单的说就是解决问题的方法。科学的讲就是对特定问题求解步骤的一种描述，它是指令的有限序列，其中每一条指令表示一个或多个操作。

      - 算法的五个特性：有穷性、确定性、可行性、0个或多个输入、1个或多个输出。记忆

      - 算法的设计要求：正确性、可读性、健壮性、高效率、低存储。记忆

      - 算法与程序的区别：1、程序不一定满足有穷性。2、程序中的指令必须是机器可执行的，算法中的指令无此限制。算法的指令可以通过数学符号、流程图、伪代码等描述。

2）算法的时间复杂度 重点

      - 分析给定的代码块的时间复杂度就是分析有效语句执行次数之和。例如：

for( i = 1; i <= n; ++i )
    for( j = 1; j <= n; ++j )
    {    
         ++x;  
    }
第一行执行n次、第二行执行n*n次、第四行执行n*n次。一共执行n+2*n^2次。

      - 时间复杂度表示方法：T(n) = O(f(n))  或者时间复杂度为O(f(n))  

      - f(n)一般用表达式中增长最快的项表示，并将常数去掉。例子中的f(n) = n^2，即时间复杂度为O(n^2)

3）常见的时间复杂度 重点

      - 常数阶 O(1)，对数阶 O(log n)，线性阶 O(n)， 线性对数阶 O(nlog n)，平方阶 O(n^2)，立方阶 O(n^3)，…， k 次方阶O(n^k)，指数阶 O(2^n)，阶乘阶 O(n!)

      - O(1)<O(log n)<O(n)<O(nlog n)<O(n^2)<O(2^n)<O(n!)<O(n^n)  

4）时间复杂度的三种具体情况 重点

Void bubble-sort(int a[]，int n) 
 {   //将 a 中整数序列重新排列成自小至大有序的整数序列。 
      for(i = n-1, change = TURE; i > 1 && change; --i)
            change = false;
             for ( j = 0;  j < i; ++j)
                 if (a[ j] > a[ j +1]) {a[ j]←→a[ j +1];  change = TURE} 
 }// bubble-sort

最好情况：0次   最坏情况：1+2+3+...+n(n-1)/2次   平均时间复杂度：O(n^2)

这里我们规定讨论的时间复杂度均指最坏的时间复杂度。

5）算法的空间复杂度

      - 空间复杂度：S(n) = O(f(n))  n为问题的规模

      - 一个算法所需要的存储空间：算法本身的存储空间、输入数据的存储空间、算法在运行过程中临时占用的存储空间。

      - 若所需临时空间不随问题规模的大小而改变，则称此算法为原地工作。

      -  若所需存储量依赖于特定的输入，则通常按最坏情况考虑。