算法

一.定义

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

简而言之，算法是描述解决问题的方法

二.特性

输入、输出、有穷性、确定性和可行性

好的算法应该具有正确性，可读性，健壮性，高效率和低存储量的特征

三.算法时间效率度量

1.可以忽略加法常数

O(2n + 3) = O(2n)

2.与最高次项相乘的常数可忽略

O(2n^2) = O(n^2)

3.最高次项的指数大的，函数随着 n 的增长，结果也会变得增长得更快

O(n^3) > O(n^2)

4.判断一个算法的（时间）效率时，函数中常数和其他次要项常常可以忽略，而更应该关注主项（最高阶项）的阶数

O(2n^2) = O(n^2+3n+1)
O(n^3) > O(n^2)

四.时间复杂度&空间复杂度的区别用法

1.时间复杂度：大 O 阶推导方法

①.定义

时间复杂度所需消耗的时间即基本操作执行次数

②.时间复杂度的计算

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

③.举例：

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

④.分析：

对于外循环，其时间复杂度为 O(n)；

对于内循环，当 i=0 时，内循环执行了 n 次，当 i=1 时，执行了 n-1 次，······当 i=n-1 时，执行了 1 次。

因此内循环总的执行次数为：

n + (n-1) + (n-2) + ··· + 1

根据大 O 阶推导方法，最终上述代码的时间复杂度为 ：

⑤.常见的时间复杂度

2.空间复杂度

①.定义

算法的空间复杂度通过计算算法所需的存储空间实现

即运行完一个程序所需内存的大小

算法的时间复杂度和空间复杂度是可以相互转化的

②.空间复杂度的计算

利用程序的空间复杂度，可以对程序的运行所需要的内存多少有个预先估计

一个算法所需的存储空间用f(n)表示

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
 
S(n)表示空间复杂度

③.存储空间

（1）固定部分

这部分属于静态空间

这部分空间的大小与输入/输出的数据的个数多少、数值无关

主要包括指令空间（即代码空间）、数据空间（常量、简单变量）等所占的空间

（2）可变空间

这部分空间的主要包括动态分配的空间，以及递归栈所需的空间等

这部分的空间大小与算法有关

3.常用的算法的时间复杂度和空间复杂度