数据结构算法

定义：

        算法：对特定问题求解步骤的一种描述。是指令的有限序列。

特性：

1. 有穷性：有限

2. 确定性：需求确定、指令确定

3. 有效性：指令都是由意义

4. 输入：

5. 输出：

   

目标：

1. 正确性：基本要求，需求和实现对应。

2. 可读性：使程序员能够读懂，编写代码时可以辅助注释。

3. 健壮性：临界值的处理、无效数据的校验等。

4. 高效性：使用较少的资源（资源分2种：时间资源、空间资源）。一个好的算法要做到执行时所需时间尽量短，所需的最大存储空间尽量少。

分析概述：

• 算法的复杂度是衡量算法优劣的重要依据。

• 算法的复杂度分类：时间复杂度、空间复杂度。

  • 时间复杂度：执行时间的长短。

  • 空间复杂度：执行时空间需求量，也就是计算机资源的使用量。

分析时间复杂度：

        1、主要考虑因素：      

                1、算法本身

                2、问题规模

                3、程序语言选择

                4、编译程序（JDK优势）

                5、硬件速度

                6、运行软件

时间复杂度通过大O表示法进行表示的

• 大O表示法，用于估算一个算法的执行时间。

• 算法执行时间：Σ(指令的执行次数 * 指令的执行时间)。

• 指令的执行时间是固定的，可以不考虑。只需要考虑指令的执行次数即可。

• 大O表达法，通过统计指令的执行次数，就可以估算出一个算法的优劣。

• 指令的执行次数：每行代码执行的次数，将所有的次数累加在一起即可。

• 例如1.7：2n^3 + 3n^2+2n+1 总次数表达式 --> 只考虑最高次幂 --> O(n^3)

• 大O表达式只需要考虑最高次幂的项。

大O表达式常见的形式

• 常量阶：O(1) ，执行的次数与输入无关。

• 线性阶：O(n) ，执行的次数与输入成正比关系。例如：一层循环。

• 平方阶：O(n^2) ， 执行的次数与输入成平方关系。例如：二层循环

• 立方阶：O(n^3) ，执行的次数与输入成立方关系。例如：三层循环

• 对数阶：O(log2n) ， 执行的次数与输入成开方关系。例如：求对数 log28 = 3

• 线性对数阶：O(nlog2n)

 

• O(log2n) 指数计算：R表示次数

 

• O (n) ：一层循环

• O(n^2)：二层循环（99乘法表）

int n = 9;
for(int i = 0 ; i < n ; i ++) {
    for(int j = 0 ; j < n : j ++) {
        // 次数 n*n
    }
}

• O(n^3)：三层循环  

int n = 9;
for(int i = 0 ; i < n ; i ++) {				//时针
    for(int j = 0 ; j < n : j ++) {			//分针
        for(int m = 0 ; m < n ; m++) {		//秒针
            // 次数 n * n * n
        }
    }
}

算法分析：最好、最坏、平均

* 实例：从数组中获得内容 a[1...n]

* 最好时间复杂度：获得最好的情况，例如：数组中的第一个数据。O(1)表示此情况。
* 最坏时间复杂度：获得最坏的情况，例如：数据中最后一位。O(n)表示此情况。
* 平均时间复杂度：
  * 1+...+n和 ： (n+1)  *  n/2
  * 平均，和/n  ：(n+1)  *  n/2 / n  ---> (n + 1) / 2   --> O(n)表示

* 结论：在一般情况下，取`最坏时间复杂度`或`等概率下的平均时间复杂度`作为算法的时间复杂度。

西格玛求和

需求：1+2+3+4+....+n