第二章 算法

 

目录

 一.算法的定义

二.算法特性

三.算法设计要求

四.算法效率的度量方法

五.函数的渐近增长

六.算法的时间复杂度

七.空间复杂度

---

一.算法的定义

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；

二.算法特性

• 输入性

• 输出性

• 有穷性

• 确定性：每一步都具有确定的含义，不会出现二义性

• 可行性：每一步都是可执行的

三.算法设计要求

• 正确性：能正确反映问题的需求，能够得到问题的正确答案
• 可读性
• 健壮性：对于不合法的输入数据能正确处理，不会产生bug
• 时间效率高和存储量低

四.算法效率的度量方法

• 事后统计方法：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运行时间进行比较，从而确定算法效率的高低；
• 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；

五.函数的渐近增长

• 比较算法A 2n+3次操作次数和算法B 3n+1次操作次数的效率

次数	2n+3	2n	3n+1	3n
1	5	2	4	3
2	7	4	7	6
3	9	6	10	9
10	23	20	31	30
100	203	200	301	300

可以看出，1.当n≥3,2n+3次数少于3n+1,因此算法A此时优于算法B；

                  2.随着n增大，加法常数不影响算法效率；

定义：函数的渐进增长,给定两个函数f(n)和g(n)，若存在一个整数N,使得当n>N时，f(n)总是比g(n)大，则f(n)增长大于g(n);

• 比较算法A 4n+8次操作次数和算法B 2n*n+1次操作次数的效率

  次数	4n+8	4n	2n*n+1	2n*n
  1	12	1	3	1
  2	16	2	9	4
  3	20	3	19	9
  10	48	10	201	100
  100	408	100	20001	10000
  1000	4008	1000	2000001	1000000

  可以看出，1.当n≥10,4n+8次数少于2n*n+1,因此算法A此时优于算法B；

                         2.随着n增大，最高次项的常系数不影响算法效率；

• 比较算法A 2n*n+3n+1次操作次数和算法B 2n*n*n+3n+1次操作次数的效率

次数	2n*n+3n+1	n*n	2n*n*n+3n+1	n*n*n
1	6	1	6	1
2	15	4	23	8
3	28	9	64	27
10	231	100	2031	1000
100	20301	10000	2000301	1000000

可以看出，1.当n≥2,2n*n+3n+1次数少于2n*n*n+3n+1,因此算法A此时优于算法B；

                  2.随着n增大，最高次项的指数大的，函数增长也快；

总结：判断一个算法效率时，应该更关注最高次项的阶数，函数的常数与系数可以忽略；

六.算法的时间复杂度

1. 定义：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，时间复杂度记为T(n)=O(f(n))，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；
2. 推导公式

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，则去掉这个项的系数；

    3.举例

• 常数阶：f(n)=3，时间复杂度为O(1)

int sum = 0,n = 100;		/* 执行一次 */
sum = (1 + n) * n / 2;		/* 执行一次 */
printf（"%d", sum）;			/* 执行一次 */

• 线性阶：f(n)=n，时间复杂度为O(n)

int i;                   /* 执行一次 */
for (i=0;i<n;i++)        /* 执行n次 */
{
    i=i+0；              /* 执行1次，忽略 */
}

• 对数阶：f(n)=log2n，时间复杂度为O(logn)

int count = 1;           /* 执行一次 */
while count < n）        /* 执行log2n次 */
{
	count = count * 2;
}

• 平方阶：f(n)=n*n，时间复杂度为O(n*n)

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

若内循环次数改为m,则复杂度为O(n*m)，因此实际上可以理解为：循环的时间复杂度等于循环体的复杂度*该循环体运行的次数；

   4.常见时间复杂度耗费时间：

  O(1)<O(logn)<O(n)<O(nlogn)<O(n*n)<O(n*n*n)<O(2*n的n次方)<O(n!)<O(n*n的n次方)

七.空间复杂度

1.定义：指通过计算算法所需的存储空间实现，计算公式是S(n)=O(f(n))，n是问题的规模，f(n)是语句关于n所占存储空间的函数；