#算法
1.基本特点:输入输出,有穷性,确定性,可行性
(1)输入输出:算法具有零个或多个输入,且至少有一个或者多个输出,输出形式可以是打印输出或者返回一个或者多个值等
(2)有穷性:指算法在执行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
(3)确定性:算法的每一步都有确定的含义,不会出现二义性
(4)可行性:算法的每一步都必须是可行的,每一步都能够通过执行有限次数完成。
2.算法的效率和度量方法
(1)事后统计方法: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(不实用,有缺陷)
(2)事前分析估算方法:在计算机程序编译前,依据统计方法对算法进行估算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的执行次数。
ps:一个程序的运行时间,依赖于算法的好坏和问题的输入规模(输入量的多少)
例:
第一种算法:
int i,sum = 0,n= 100; /*执行了一次*/
for (i = 1;i<=n;i++){ /*执行了n+1次*/
sum = sum+i; /*执行了n次*/
}
printf("%d",&sum); /*执行了一次*/
第二种算法:
int sum = 0,n = 100; /*执行了一次*/
sum= sum+i; /*执行了一次*/
printf("%d",&sum); /*执行了一次*/
对比两种算法,第一种算法执行了1+n+1+n+1=2n+3次,而第二种算法执行了3次。两种算法的最后一句语句相同,但是循环次数不一样,也就是n次于1次的区别,算法的好坏也显而易见。
分析程序的运行时间时,最重要的是把程序看成是独立于程序设计语言的算法或者一系列步骤
3.函数的渐进增长
定义:给定两个函数f(n)和g(n),如果存在一个整数N,使得所有n>N,f(n)总是比g(n)大,那么,我们说f(n)的增长渐进于g(n)
ps:
1.忽略加法常数
2.与最高项相乘的常数不重要
次数 | 算法G(2n^2) | 算法H(3n+1) | 算法(2n^2+3+1) |
---|---|---|---|
n=1 | 2 | 4 | 6 |
n=2 | 8 | 7 | 15 |
n=5 | 50 | 16 | 66 |
n=10 | 200 | 31 | 231 |
n=100 | 20000 | 301 | 20301 |
n=1000 | 2000000 | 3001 | 2003001 |
n=10000 | 200000000 | 3001 | 200003000001 |
当n的值越来越大的时候,就能发现,3n+1已经没法和2n^2的结果比较,最终几乎忽略不计。
(1)判断某个算法的效率时,函数中的常数和其他次要项常常可以忽略,而更应该注重最高项(最高阶项)的阶数。
(2)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。
4.算法时间复杂度
即时间的算法量度,记作T(n)=O(f(n)).它表示随问题规律规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称为时间复杂度。
(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)
(1)推导大O阶方法
1⃣️用常数1取代运行时间中的所有加法常数
2⃣️在修改后的运行次数函数中,只保留最高阶项
3⃣️如果最高项存在且不是1,则去除与最高项相乘的常数,得到的结果就是大O阶
常用的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)
例:
1⃣️常数阶
int sum = 0,n = 100; /*执行了一次*/
sum= sum+i; /*执行了一次*/
printf("%d",&sum); /*执行了一次*/
f(n)=3->O(1)
ps:顺序结构的时间复杂度一般情况下均为O(1)
2⃣️线性阶
int I;
for (i =0;i<n;i++){
/*时间复杂度为O(1)的程序步骤序列*/
}
3⃣️对数阶
int count =1;
while (count<n){
count = count*2;
/*时间复杂度为O(1)的程序步骤序列*/
}
由于每次count✖️2之后,会更加接近n,所以说有多少个n相乘之后大于n,则会退出循环,也就是2^x=n,所以x=log2n.所以时间复杂度为O(logn)
4⃣️平方阶
int i,j;
for (i = 0;i<n;i++){ /*执行了n次*/
for (j = 0;j<=n,j++){ /*执行了n次*/
/*时间复杂度为O(1)的程序步骤序列*/
}
}
时间复杂度=O(nn)=O(n^2)
PS:如果外循环的循环次数改为了m,那么时间复杂度就变成了O(mn)
循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数
调用函数的时间复杂度
int i,j;
for (i = 0;i<n;i++){
function(i);
}
void function(int count)
{
printf(count);
}
/*调用上边的function的时候时间复杂度为O(n*1)=O(n)*/
void function()
{
int j;
for(j=count;j<n;j++){
/*时间复杂度为O(1)的程序步骤序列*/
}
}
/*调用下边代码的function模块的时候,时间复杂度为O(n*n)=O(n^2)
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。