大话数据结构（2）算法

算法

启示录

算法：算法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 毎条指令表示一个或多个操作。

没有可以包治百病的药，所以也没有通用的算法。

当不用限定词地使用“复杂度”时，通常都是指时间复杂度。

数据结构与算法关系

数据结构与算法的关系就好比罗密欧与朱丽叶，缺了彼此就浑身难受。
只讲几个主要的数据结构并不能感受到他们的魅力，但如果我们再把相应的算法也拿来讲一讲，你就会发现事情变得如此美妙和神奇。

两种算法的比较

请写个1+2+3+…+100的程序。咳咳

第一次学到for循环的麻瓜思维…

int i, sum = 0, n = 100;
for(i = 1; i < n; i++)
{
	sum += i;
}
cout << sum << endl;

天才高斯的智慧，感受等差数列的魅力…

int i, sum = O,n = 100;
sum = (1 + n) * n / 2;
cou << sum << endl;

如果n取到较大的数，你可以比电脑更快。
从这个简单例子就可以看出，一个好的算法，如此地充满魅力。

算法定义

什么是算法呢？

算法是描述解决问题的方法。

算法(Algorithm)这个单词最早出 现在波斯数学家阿勒-花刺子密在公元825年(相当于我们中国的唐朝时期)所写的 《印度数字算术》中。如今普遍认可的对算法的定义是：

算法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。

算法定义中，提到了指令，指令能被人或机器等计算装置执行。它可以是计算机 指令，也可以是我们平时的语言文字。

算法的特性

算法具有五个基本特性：输入、输出、有穷性、确定性和可行性。

输入输出

算法可以没有输入，比如打印一个“hello,world"。但至少有一个或多个输 出，输出形式可以是打印输出，也可以是返回一个或多个值等。

有穷性

有穷性：指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每 一个步骤在可接受的时间内完成。

当然这里有穷的概念并不是纯数学意义的，而是在实际应用当中合理的、可以接受的“有边界”。应该没有人想等一个结果等二十年吧，可能爱情都没有这么难等。

确定性

确定性：算法的每一步骤都具有确定的含义，不会出现二义性。算法在一定条件 下，只有一条执行路径，相同的输入只能有唯一的输出结果。算法的每个步骤被精确 定义而无歧义。

可行性

可行性：算法的每一步都必须是可行的，也就是说，每一步都能够通过执行有限 次数完成。可行性意味着算法可以转换为程序上机运行，并得到正确的结果。

计算机界也存在那种没有实现的极为复杂的算法，理论上是可行的，但只是被我们当前的编程方法、工具和大脑限制了这个工作。
这都是理论研究领域的问题，不属于我们现在要考虑的范围。

算法设计的要求

同一个问题，可以有多种解决问 题的算法。学习算法的过程是借鉴前人智慧的过程，掌握好的算法，对我们解决问题很有帮助。

好的算法，起码要是正确的，连正确都谈不上，还谈什么别的要求？

正确性

正确性：算法的正确性是指算法至少应该具有输入、输出和加工处理无歧义性、 能正确反映问题的需求、能够得到问题的正确答案。

算法的“正确”通常在用法上有很大的差别，大体分为以下四个层次：

1. 算法程序没有语法错误。

2. 算法程序对于合法的输入数据能够产生满足要求的输出结果。

3. 算法程序对于非法的输入数据能够得出满足规格说明的结果。

4. 算法程序对于精心选择的，甚至刁难的测试数据都有满足要求的输出结果。

算法的正确性在大部分情况下，是用数学方法证明的。
证明一个复杂算法在所有层次上都是正确的，代价非常昂贵。所以一般情况下， 我们把层次3作为一个算法是否正确的标准。

可读性

好的算法一定要让人容易理解，也就是有较好的可读性。

可读性：算法设计的另一目的是为了便于阅读、理解和交流。

我们写代码的目的，一方面是为了让计算机执行，但还有一个重要的目的是为了便于他人阅读，让人理解和交流，自己将来也可能阅读，如果可读性不好，时间长了自己都不知道写了些什么。

健壮性

一个好的算法还应该能对输入数据不合法的情况做合适的处理。比如输入的时间或者距离不应该是负数等。

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 其妙的结果。

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需求。

时间效率指的是算法的执行时间，对于同一个问题，如果有多个算法能够解决， 执行时间短的算法效率高，执行时间长的效率低。

存储量需求指的是算法在执行过程 中需要的最大存储空间，主要指算法程序运行时所占用的内存或外部硬盘存储空间。

算法效率的度量方法

算法效率大都指算法的执行时间。
“是骡子是马，拉出来遛遛”，通过对算法 的数据测试，利用计算机的计时功能，来计算不同算法的效率是高还是低。

事后统计方法

事后统计方法：

这种方法主要是通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率的高低。

方法显然是有很大缺陷的：

■	必须依据算法事先编制好程序，这通常需要花费大量的时间和精力。如果 编制出来发现它根本是很糟糕的算法，不是竹篮打水一场空吗？

■	时间的比较依赖计算机硬件和软件等环境因素，有时会掩盖算法本身的优劣。要知道，现在的一台四核处理器的计算机，跟当年286、386、486等 老爷爷辈的机器相比，在处理算法的运算速度上，是不能相提并论的；而 所用的操作系统、编译器、运行框架等软件的不同，也可以影响它们的结果；就算是同一台机器，CPU使用率和内存占用情况不一样，也会造成细 微的差异。

■	算法的测试数据设计困难，并且程序的运行时间往往还与测试数据的规模 有很大关系，效率高的算法在小的测试数据面前往往得不到体现。比如10 个数字的排序，不管用什么算法，差异几乎是零。而如果有一百万个随机 数字排序，那不同算法的差异就非常大了。那么我们为了比较算法，到底用多少数据来测试，这是很难判断的问题。

基于事后统计方法有这样那样的缺陷，我们考虑不予采纳。
当然，ACM这些赛事采用测试数据来测试参赛同学的代码，环境是一样的，排除了计算机硬件、软件有关因素的影响…

事前分析估算方法

事前分析估算方法：

在计算机程序编制前，依据统计方法对算法进行估算。

经过分析，我们发现，一个用高级程序语言编写的程序在计算机上运行时所消耗 的时间取决于下列因素：

1.	算法采用的策略、方法。
2.	编译产生的代码质量。
3.	问题的输入规模。
4.	机器执行指令的速度。

第1条当然是算法好坏的根本，第2条要由软件来支持，第4条要看硬件性能。

测定运行时间最可靠的方法就是：

计算对运行时间有消耗的基本操作的执行次数。运行时间与这个计数成正比。

我们在分析一个算法的运行时间时，重要的是把基本操作的数量与输入规模关联 起来，即基本操作的数量必须表示成输入规模的函数。

计算1-100求和的例子，算法的基本操作的数量表示成输入规模的函数如图：

我们可以这样认为，随着n值的越来越大，它们在时间效率上的差异也就越来越大。

函数的渐近增长

我们现在来判断一下，两个算法A和B哪个更好。假设两个算法的输入规模都是 n,算法A要做2n + 3次操作，你可以理解为先有一个n次的循环，执行完成后，再 有一个n次循环，最后有三次赋值或运算，共2n + 3次操作。算法B要做3n + 1次 操作。你觉得它们谁更快呢？

当n = 1时，算法A效率不如算法B （次数比算法B要多一次）。而当n = 2时， 两者效率相同；当n>2时，算法A就开始优于算法B，随着n的增加，算法A比算法B越来越好了(执行的次数比B要少)。于是我们可以得出结论，算法A总体上 要好过算法B。

此时我们给出这样的定义，输入规模n在没有限制的情况下，只要超过一个数值 N,这个函数就总是大于另一个函数，我们称函数是渐近增长的。

函数的渐近増长：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)的増长渐近快于g(n)。

判断一个算法好不好，我们只通过少量的数据是不能做出准确判断的。
如果我们可以对比这几个算法的关键执行次数函数的渐近增长性，基本就可以分析岀：

某个算法，随着n的增大，它会越来越优于另一算法，或者越来越差于另一算法。

这其实就是事前估算方法的理论依据，通过算法时间复杂度来估算算法时间效率。

算法你时间复杂度

算法时间复杂度定义

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的变化情况并确定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的増大，算法执行时间的増长率和 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。
这样用大写O()来体现算法时间复杂度的记法，我们称之为大O记法。
一般情况下，随着n的增大，T(n)增长最慢的算法为最优算法。

推导大O阶方法

推导大O阶：

1.	用常数1取代运行时间中的所有加法常数。
2.	在修改后的运行次数函数中，只保留最高阶项。
3.	如果最高阶项存在且不是1,则去除与这个项相乗的常数。

得到的结果就是大0阶。

常数阶

与问题的大小无关(n的多少)，执行时间恒定的算法，我们称之为具有O(1)的时间复杂度，又叫常数阶。

对于分支结构而言，无论是真，还是假，执行的次数都是恒定的，不会随着n的变大而发生变化，所以单纯的分支结构(不包含在循环结构中)，其时间复杂度也是O(1)。

线性阶

线性阶的循环结构会复杂很多。要确定某个算法的阶次，我们常常需要确定某个特定语句或某个语句集运行的次数。因此，我们要分析算法的复杂度，关键就是要分析循环结构的运行情况。

int i;
for (i = 0; i < n; i++) 
/*时间复杂度为O(1)的程序步骤序列*/
}

这段代码，它的循环的时间复杂度为O(n)，因为循环体中的代码须要执行n 次。

对数阶

int count = 1;
while (count < n )
(
count = count * 2;
/*时间复杂度为0(1)的程序步骤序列*/
}

2x=n得到$x=lo{g}_{2}n$所以这个循环的时间复杂度为 O($logn$)。

平方阶

void function ( int count)
(
int j；
for (j = count; j < n; j++)
(
/*时间复杂度为0(1)的程序步骤序列*/
}
}

n++;             			/*执行次数为1*/
function ( n );             /*执行次数为n*/
int i,j；   
for (i = 0; i < n; i++)		/* 执行次数为 n^2 */
(
function ( i );
}
for (i = 0; i < n; i++)		/* 执行次数为n(n+1) /2 */
{
	for(j = i;j < n; j++)
	{
		/* 时间复杂度为0(1)的程序步骤序列 */
	}
}

根据推导大O阶的方法，这段代码的时间复杂度也是O($n^2$) 。

常见的时间复杂度

执行次数函数	阶	非正式术语
12	O(1)	常数阶
$2n+3$	O(N)	线性阶
$3n^2+2n+1$	O($n^2$)	平方阶
$51og2n+20$	O($logn$)	对数阶
$2n+3nlog2n+19$	O($nlogn$)	$nlogn$ 阶
$6n^3+2n^2+3n+4$	0(/)	立方阶
$2^n$	O($2^n$)	指数阶

时间复杂度所耗费的时间从小到大依次是：

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

最坏情况与平均情况

最坏情况运行时间是一种保证，那就是运行时间将不会再坏了。在应用中，这是一种最重要的需求，通常，除非特别指定，我们提到的运行时间都是最坏情况的运行时间。
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。

对算法的分析，两种方法:

1.计算所有情况的平均值，这种时间复杂度的计算方法称为平均时间复杂度。

2.计算最坏情况下的时间复杂度，这种方法称为最 坏时间复杂度。

一般在没有特殊说明的情况下，都是指最坏时间复杂度。

算法空间复杂度

我们在写代码时，完全可以用空间来换取时间，但是到底值不值得，其实要看你用在什么地方。
算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：

$$S(n)=O[f(n)]$$其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数。

一般情况下，一个程序在机器上执行时，除了需要存储程序本身的指令、常数、变量和输入数据外，还需要存储对数据操作的存储单元。

若输入数据所占空间只取决于问题本身，和算法无关，这样只需要分析该算法在实现时所需的辅助单元即可。

若算法执行时所需的辅助空间相对于输入数据量而言是个常数，则称此算法为原地工作，空间复杂度为0(1)。