算法概括

算法概括

计算=信息处理
计算模型=计算机=信息处理工具//尺规机，绳索机，图灵机…
所谓算法，即特定计算模型下，旨在解决特定问题的指令序列
输入 输出 正确性 确定性 可行性 有穷性

数据结构 讲授各类数据结构设计和实现的基本原理与方法，算法设计和分析的主要技巧与工具

1. 学习数据结构，就是要学会高效的利用计算机，有效地存储，组织，传递和转换数据。
2. 掌握各类数据结构功能，表示，实现和基本操作接口，
3. 理解各类基本算法与不同数据结构之间的内在联系，
4. 了解各类数据结构适用的应用环境，灵活地选用各类基本算法对应的数据结构，解决实际问题。

各数据结构的ADT接口及其不同实现： 序列(向量，列表)，树（着重于平衡二分查找树），优先队列（堆），字典（散列表），图，相关算法及应用
构造有效算法模块的常用技巧：顺序和二分查找，排序与选取，遍历，模式匹配，散列，几何查找
典型的算法设计策略与模式：迭代，贪心，递归，分治，减治，试探，剪枝，回溯，动态规划
基本的复杂度分析方法：渐进分析与相关记号递推关系，递归跟踪，分摊分析

问题实例的规模，往往是决定计算成本的主要因素，相同规模相同算法运气不同时，时间也不同，同一算法可能实现于不同的体系结构，操作系统

所需时间可以转化为基本操作的执行次数T（n）

big-O实际上给出了时间复杂度的一个上界，注意到在规模较小的情况下，T(n)不一定在big-O的下方
对应的，big-Ω，则是时间复杂度的下界，。

常见时间复杂度：

• 常数复杂度O(1): 常数和常数的一些基本操作。 如果一段代码不含转向（循环，调用，递归等），必顺序执行，那么时间复杂度为O(1)。 反之则不一定

• 对数复杂度O(logn)
  

• 多项式复杂度O(n^c)

• 指数复杂度O(2^n)
  

复杂度曲线