算法
定义
算法(Algorithm):
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
T ( n ) = O ( f ( n ) ) T(n) = O(f(n)) T(n)=O(f(n))
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
- 用常数1取代运行时间中所有的加法常数
- 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
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 ) ) S(n) = O(f(n)) 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)