算法第一章概述

算法

对特定问题求解步骤的一种描述，是若干指令的有穷序列

程序：算法用某种程序设计语言的具体实现，可以不满足有限性，如操作系统是无限循环中执行的程序

1.性质

• 输入：由外部提供的量作为输入
• 输出：产生至少一个量作为输出
• 确定性：指令清晰无歧义
• 有限性：指令执行次数有限，执行时间有限

另外，算法正确性是指，对任意一个合法的输入经过有限步执行后给出正确的结果

2.复杂性分析

N：问题规模；I：算法输入

2.1时间复杂性T(N,I)

 所需时间资源的量，分为最好情况时间复杂度、最坏情况时间复杂度以及平均情况时间复杂度。其中最优价值的是最坏情况下的时间复杂度

基本元运算计算时间T(N,I)=${\sum }_{i=1}^k{t}_i{e}_i(N,I)$：定义计算机元运算为o，执行一次元运算o所需要的时间为t，对于给定算法A，用到元运算o的次数为e，e是N和I的函数

渐近复杂性T`(N)：T(N)当N->∞时的渐近表达式，是T(N)略去低阶项留下的主项

渐近上界O(g(N))：保存所有以g(N)为上界的正函数，阶越低越好

O(f)+O(g)=O(max(f,g))

O(f)*O(g)=O(fg)

O(cf)=O(f)

渐近下界Ω(g(N))：保存所有以g(N)为下界的正函数，阶越高评估越准确

紧渐近界θ(g(N))：保存所有与g(N)同阶的正函数，当且仅当g(N)渐近上界和渐近下界为同一函数

非紧上界o(g(N))：保存所有比g(N)低阶的正函数，相当于g(N)低阶无穷小

$c<logn<n<nlogn<n^2<2^n<n!<n^n$

2.2空间复杂性S(N,I)

 所需空间资源的量

3.算法的表示

3.1基本结构

• 顺序
• 选择
• 循环

3.2表示方法

• 自然语言
• 流程图
• 伪代码
• 计算机语言（高级编程语言）

3.3NP完全性理论

 一般的，可由多项式时间算法求解的问题看作是易解问题（复杂度函数为指数函数以下），
需要超多项式时间算法才能求解的问题看作是难解问题（复杂度函数为指数函数及以上）

 另一种方法为，划分最优化问题与判定问题，判定问题比最优化问题易求解

最优化问题：寻找一个有最优目标函数值的可行解，如判定旅行总旅费最小的路线

判定问题：输出仅为“是”或“否”的一类问题，如判定旅行是否存在费用不超过d的路线

最优化问题可简化为判定问题。若判定问题是难解问题，则对应优化问题定是难解问题

• P类问题：一类能够用确定算法在多项式时间内求解的判定问题
• NP类问题：一类非确定性多项式时间可解的判定问题。问题求解分为猜测和验证两个阶段。猜测阶段为非确定性，验证阶段为确定性。

涉及算法分析

辗转相除法与更相减损法

 辗转相除法与更相减损法常用于求解最大公因数（或称最大公约数），二者本质上是一致的

 以119与85为例：

• 辗转相除法：
  • 119÷85=1…34
  • 85÷34=2…17
  • 34÷17=2…0
  • 由此得到119与85最大公因数为17
• 更相减损法：
  • 119-85=34
  • 85-34=51
  • 51-34=17
  • 34-17=17
  • 由此得到119与85最大公因数为17
    

由上述过程可以看出，更相减损法只是拉长了解决问题的过程。如85=34*2+17，辗转相除法一步得到，更相减损法两步得到

为什么辗转相除法与更相减损法可以求得最大公因数：

设85=al，34=ak，则119=85+34=al+ak=a(l+k)，即119也能整除a

从而证明，85和34的公因数也是119的因数，即a是这三个数的公因数

因此119和85的最大公因数=85和34的最大公因数，以此类推

最小公倍数=a*b/最大公约数

c语言递归函数实现：

#include<stdio.h>
int gcd(int a, int b){
	if(b == 0)
		return a;
	else
		return gcd(b, a % b);
}
int lcm(int a, int b){
	return a * b / gcd(a, b);
}