大话数据结构2 - 初识算法

---

前言

在学习了 第一章 - 初识数据和结构 之后，今天我们来学习一下算法！
在《数据结构》课程中，谈到算法，是为了帮助理解数据结构，并不会详细谈及算法。

---

基本概念

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限序列，并且每条指令表示一个或多个操作。

算法的特性

算法的特性：输入、输出、有穷性、确定性和可行性

输入	输出	有穷性	确定性	可行性
算法具有零个或多个输入	算法至少有一个或多个输出	指算法在执行有限的步骤之后，自动结束而不会出现无限循环，并且每个步骤都在可接受的时间内完成	算法的每一步骤都具有确定的含意，无二义性	算法的每一步都必须是可行的，也就是每一步都能够通过执行有限次数完成
对于绝大多数算法来说，输入参数都是必要的，但对于个别情况，如打印 hello world 这样的代码，不需要任何输入参数，因此算法的输入可以是零个	算法是一定需要输出的，不需要输出，你用这个算法干嘛?输出的形式可以是打印输出，也可以是返回一个或多个值等	有穷的概念并不是纯数学意义的，而是在实际应用当中合理的、可以接受的"有边界”	算法在一定条件下，只有一条执行路径，相同的输入只能有唯一的输出结果。算法的每个步骤被精确定义而无歧义	可行性意味着算法可以转换为程序上机运行，并得到正确的结果

---

算法设计的要求

正确性	可读性	健壮性	时间效率高和存储量低
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	算法设计的另一目的是为了便于阅读、理解和交流	当输入数据不合法时，算法能做出相关处理， 不是产生异常或莫名其妙的结果	设计算法应该尽量满足时间效率高和存储量低的需求
没有语法错误；对于合法的输入数据能够产生满足要求的输出结果；对于非法的输入数据能够得出满足规格说明的结果；对于精心选择的，甚至刁难的测试数据都有满足要求的输出结果	可读性高有助于人们理解算法，晦涩难懂的算法往往隐含错误，不易被发现且难于调试和修改	处理未期望的行为和错误终止；即使终止执行，也要准确/无歧义地向用户展示错误信息，错误信息有助于debug	最好用最少的存储空间，花最少的时间，办成同样的事，就是好的算法

---

算法效率的度量方法

1. 事后统计法 [ 代价大，受测环境因素影响大 ]
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，依赖算法的好坏和问题的输入规模。问题输入规模是指输入量的多少

---

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)总是比 g (n)大，那么，我们说 f(n)的增长渐近快于 g (n) 。

---

算法时间复杂度

定义：在进行算法分析时，语句总的执行次数T(n)是关于问题规模n的函数，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，也就是算法的时间量度，记作: T(n) = O( f(n) )。随时间规模增大，算法执行时间增长率和 f(n) 的增长率相同，T(n) 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 ]

用大写 O( ) 来体现算法时间复杂度的记法，我们称之为大O记法。

推导大O阶方法

1. 用常数1取代运行时间中的常数
2. 再修改后的运行次数函数中，只保留最高阶项
3. 如果最高项存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶

//TEST 1 - 试计算该算法的大O阶

int sum =0.n =100;	//执行一次
sum = (1+n)*n/2;	//执行一次
printf("%d",sum);	//执行一次

可以知道运行次数f（n）=3，按照大O阶方法，将常数项改为1，所以该算法的大O阶为O（1）

//TEST 2 - 试计算该算法的大O阶

int count = 1;		
while(count < n)count=count*2;

设运行次数为=x 
 ∵ 2^x=n 
 ∴ x=log2n，f（n）=log2n，按照大O阶方法该算法的大O阶为O（logn）

//TEST 3 - 试计算该算法的大O阶

int i,j;
for(i=0;i<n;i++){
	for(j=0;j<n;j++){
		print(count);
	}
}

循环嵌套，内循环n次，外循环n次，总次数n*n=n^2,所以O（n）=n^2

//TEST 4 - 试计算该算法的时间复杂度

int i,j;
for(i=0;i<n;i++){
	for(j=i;j<n;j++){
		print(count);
	}
}

当i=0时，内循环执行n次；
当i=1时，执行了n-1次...当i=n-1时，执行了1次。
所以总的执行次数=n+(n-1)+(n-2)+...+1=n(n+1)/2
保留最高项，将最高项常数变1.所以是时间复杂度=O(n^2)

常见的时间复杂度

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+3	O(n2)	平方阶
5log2n+20	O(logn)	对数阶
3nlog2n+19	O(nlogn)	nlogn阶
6n3+2n2+3n+4	O(n3)	立方阶
2n	O(2n)	指数阶

常见的时间复杂度所耗时大小排列：O(1) < O(logn) < O(n) < O(nlogn) < O(n²) < O(n³) < O(2ⁿ) < O(n!) < O(nⁿ)

---

最后

以上内容为 大话数据结构 – 程杰 第二章算法的学习笔记。
虽然和成为Java工程师有一段距离，但是没关系，我是一个一旦确立目标就很有干劲的人，一定会成功！
如果有跟我一起学习的同学可以帮我指正那就更好了，欢迎加入我的交流群 916352394。