《大话数据结构》从零开始 —— 第二章：算法

算法

定义

算法（Algorithm）：

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序序列
并且每条指令表示一个或多个操作

特性

五个基本特性：

• 输入、输出、有穷性、确定性以及可行性

1、 输入输出

• 算法有零个输入或多个输入，至少有一个或多个输出

2、 有穷性

• 在算法执行有限个步骤之后，自动结束而不会出现无限循环，并且每个步骤在可接受的时间内完成

3、 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

4、 可行性

• 算法的每一步都必须是可行的，也就是说，每一步都能通过执行有限次数完成

算法设计的要求

1、正确性

• 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

2、可读性

• 需便于阅读、理解与交流

3、健壮性

• 当输入数据不合法时，算法也能作出相关处理，而不是产生异常或者其它意外的结果

4、时间效率高 存储量低

算法效率的度量方法

1、事后统计方法（不考虑）

• 主要是通过设计好的测试程序与数据，利用计算机的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

2、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

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（指输入量的多少）

函数的渐进增长

• 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) 总比 g(n) 大，那么我们说 f(n) 的增长渐近快于 g(n)

系数并不重要，低次项并不重要，最高次项很重要

算法的时间复杂度

1、定义

在进行算法分析时，语句的总执行次数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，也就是算法的量度，记作：

$$T(n)=O(f(n))$$

它表示随问题规模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

一般情况下，随着 n 增大，T(n) 增长最慢的算法为最优算法

推导 大 O 阶方法

1. 用常数1取代运行时间中所有的加法常数
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，则去除与这个项相乘的常数
   
   

常见时间复杂度

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
3n² + 2n + 1	O(n²)	平方阶
5log n + 20	O(log n)	对数阶
2n + 3nlog n + 19	O(nlog n)	nlogn阶
6n³ + 2n² + 3n + 4	O(n³)	立方阶
2ⁿ	O(2ⁿ)	指数阶

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。除非特别指定，所提到的运行时间都是最坏情况的运行时间

• 一般也是最坏时间复杂度
  
  

算法空间复杂度

• 算法的空间复杂度通过计算算法所需的存储空间实现，算法的空间复杂度的计算公式记作：

  $$S(n)=O(f(n))$$
  
  

总结

常见时间复杂度所耗时间的大小排列：
O(1) < O(log n) < O(n) < O(nlog n) < O(n²) < O(n³) < O(2ⁿ) < O(n!) < O(nⁿ)

• 《大话数据结构》从零开始 —— 第三章：线性表之顺序存储结构