算法及性能分析

一、算法

算法就是为解决某一个特定问题而规定的系一列的操作，是一组有序的指令的集合。

数据结构与算法就是一对闺蜜

算法有五个特性：

1. 输入： 一个算法有0个或多个输入
2. 输出： 至少有一个输出，没有输出的算法没有意义
3. 有穷性： 算法中执行指令的个数应该是有限的，执行是有穷的步骤后能结束
4. 确定性： 对于特定的合法输入它的输出应该是唯一的
5. 可行性： 算法能够实现，并且在有限的时间内完成。

算法设计要求

• 正确性： 没有语法错误，对于合法的输入产生满足要求的输出，对于特定的输入也能产生正确的输出。
• 可读性： 算法另一个目的是为了交流，方便阅读
• 健壮性： 对于不合理的要求 也能给出合理的提示信息，而不是崩溃
• 时间效率高与存储空间小

评价一个 算法性能的好坏，实际上就评价算法的资源占用率。 计算机最重要的资源就是时间和空间

使用时间复杂度衡量程序运行需要的时间
使用空间复杂度衡量程序所占内存的大小

二、时间复杂度

讨论计算机程序运行的时间可以采用以下方法：

• 事后统计
  编程实现这个算法，统计所需要的时间。
• 事前分析
  采用渐近时间复杂度分析估算

渐近时间复杂度，简称时间复杂度。 在进行算法分析时，语句总的执行次数，记作T(n)，是关于问题规模n的函数，分析T(n)随着问题规模n的变化情况，确定T(n)的数量级。
T(n) = O(f(n)). 表示随着问题规模n的增大，算法执行的时间增长率和f(n)函数的增长率相同。f(n)是问题规模n的一个函数

随着输入规模n的增大，T(n)增长越慢的算法越好。

三、算法时间复杂度分析

算法1：
计算1+2+3+…+n的和，高斯算法

public static void sum2(int n){
	int sum = n*(n+1)/2;
	System.out.println("sun==" + sum);
}

顺序执行，时间复杂度，T(n) = O(1)，是常数阶

---

算法2
计算1+2+3+…+n的和

public static void sum1(int n){
int sum = 0;
for(int i = 1;i <= n;i++){
	sum += i;
}
System.out.println("sum==" + sum);
}

T(n) = O(n),线性阶

---

算法3：

public static void method1(int n){
	int i = 1;
	int count = 0;
	while(i <= n){
		i = i*2;
		count++;
	}
	System.out.println("count==" + count);
}

循环控制变量i的值：1，2，4，8，16.。。。2的x次方。当执行了x次，i的值为2的x次方时 循环结束。循环条件 i<=n . 2的二次方<=n 不成立时循环退出
T(n) = O(logn)

---

算法4

public static void method2(int n){
	int count = 0;
	int s = 0;
	while(s <= n){
		count++;
		s = s + count;
	}
	System.out.println("count==" + count);
}

假设循环执行x次， count变量 在循环过程中的值分别是：0，1，2，3…x
在执行完第x次后循环结束，s <= n 不成立时，s的值是：
s = 0+1+2+3…+x = x*(x+1)/2 = (x的2次方 + x)/2
T(n) = O(n的0.5次方)

---

算法5

public static void method3(int n){
	int count = 0;
	for(int i = 1;i <= n;i++){
		for(int j = 1,j <= n;j++){
			count++;
		}
	}
	Sysem.out.println("count==" + count);
}

T(n) = O(n的2次方)

常见时间复杂度函数的增长率

抽象数据结构的操作复杂度

数组排序

四、空间复杂度

为了求解一个问题，在执行操作操作期间所需要的存储空间大小，不包括用来存储输入所需要的空间
记作：
S(n) = O(f(n))

结论：
算法的空间复杂度是以时间复杂度为上限的