算法分析ch1概论

1.设计算法的目标
（1）正确性
（2）可使用性
（3）可读性
（4）健壮性：可容错
（5）高效率与低储存量需求
2.算法的特征
（1）有限性
（2）确定性
（3）可行性
（4）输入性：一个算法有0个或多个输入。
（5）输出性：一个算法有1个或多个输出。
3.分析算法是否有问题
eg1:void exam1() { int n; n=2; while(n%2==0) n=n+2; printf("%d\n",n); } 死循环，违反了有限性； eg2： void exam2() { int x,y; y=0; x=5/y; printf("%d,%d\n",x,y); }0错误，违反可行性；
eg3: 在带头节点的单链表h中查找第一个值为x的结点，找到后返回其逻辑序号（从1记起），否则返会0
int findx(LNode *h,int x)
{
LNode *p=h->next;
int i=0;
while (p->date!=x)
{ i++;
p=p>next;
}
return i;
}
当单链表首结点值为x时，该算法返回0，此时应该返回逻辑序号1.
当单链表中不存在值为x的结点时，该算法出错，因为p为Null时仍执行p=p>next
所以该算法不满足正确性和健壮性
4.算法和数据结构
算法和数据结构即有联系又有区别。
联系：数据结构是算法设计的基础。算法的操作对象是数据结构，在设计算法时通常要构建适合这种算法的数据结构。数据结构设计主要是选择数据的存储方式，算法设计就是在选定的存储结构上设计一个满足要求的好算法。
区别：数据结构关注的时数据的逻辑结构，存储结构以及基本操作，而算法关注如何在数据结构的基础上解决实际问题。算法是编程思想，数据结构则时这些思想的逻辑基础。
5.时间复杂度和空间复杂度
渐进符号（O"<="、 Ω大欧米噶">="、Θ西塔“=”）
g(n)为f(n)渐进的上界，记作f ( n ) = O ( g ( n ) )
这个上界的阶越低，评估越精确，越有价值。
g(n)为f(n)渐进的下界，记作f ( n ) = Ω ( g ( n ) )
 这个下界的阶越高，评估越精确，越有价值。
g(n)与f(n)同阶 ，记作 f ( n ) = Θ ( g ( n ) )
(1) 为什么用O?
因为它简化了增长数量级上界的描述，甚至也适合一些无法进行精确分析的复杂算法。
(2)分析时间复杂度
先找出算法的基本语句（执行次数最多的那条语句，通常是内层循环体）；计算基本语句的执行次数的数量级，只需保留f(n)中的最高次幂。
eg1: void fun(int n)
{ int s=0,i,j,k;
for(i=0;i<=n;i++)
for(j=0;j<=i;j++)
for(k=0;k<=j;k++)
s++;
}
O（n3)
（3）算法最好最坏和平均情况
eg1 设计一个尽可能高效的算法，在长度为n的一维整型数组a[0…n-1]中查找值最大的元素max和值最小的元素min，并分析算法的最好最坏平均时间复杂度。