数据结构-算法-CSDN博客

本文链接：https://blog.csdn.net/weixin_52145530/article/details/136324966

2、算法

2.1、算法的定义

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。

2.2、算法的特性

算法具有五个基本特性：

有穷性：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，并且每一个步骤在可接受的时间内完成。
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。
可行性：算法的所有操作都可以通过已经实现的基本操作运算执行有限次来实现。
输入：算法具有零个或多个输入。
输出：算法至少有一个或多个输入。

2.3、算法设计的要求

正确性：算法的正确性是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。
算法正确大体有以下四个层次：
1.算法程序没有语法错误。
2.算法程序对于合法的输入数据能够产生满足要求的输出结果。
3.算法程序对于非法的输入数据能够得出满足规格说明的结果。
4.算法程序对于精心选择的，甚至刁难的测试数据都有满足要求的输出结果。
对于这四层含义把层次3作为一个算法是否正确的标准。
可读性：算法设计的另一目的是为了便于阅读、理解和交流。
健壮性：当输入数据不合法时，算法也能做出相关处理，而不是产生异常或莫名其妙的结果。
高效性：设计算法应该尽量满足时间效率高和存储量低的需求。

2.4、算法效率的度量方法

事后统计方法：主要是通过设计好的测试程序和数据，利用计算机计时器对不同算法编制的程序的运行时间进行比较，从而确定算法效率高低。
缺点：根据算法编制好程序要耗费大量时间，算法的运行时间会收到机器硬件的影响，且算法的测试数据设计困难。
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。
其中算法采用的策略、方法是算法好坏的根本，编译产生的代码质量由软件来支持，机器执行指令的速度要看硬件性能，因此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。所谓问题输入规模是指输入量的多少。
最终，在分析程序的运行时间时，最重要的是把程序看成是独立于程序设计语言的算法或一系列步骤。

2.5、算法时间复杂度

在进行算法分析时，语句的总执行次数T(n)是关于问题规模n的函数，进而分析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))。它表示随问题规模n的增大，算法执行时间的增长率和f(n)增长率相同，称作算法的渐近时间复杂度，简称时间复杂度。其中f(n)是问题规模n的某个函数。用O()称为大O记法。
推导大O阶：

用常数1取代运行时间中的所有加法常数。
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其系数不是1，则去除与这个项相乘的系数。
最终得到的结果就是大O阶。
首先要求出算法的运行时间
算法运行时间=∑每条语句的执行次数
算出每条语句的执行次数再求和有点麻烦，特别是当算法的代码量过多时，所以计算嵌套最深的语句的执行次数就是时间复杂度。
时间复杂度的加法规则：
T(n)=T1(n)+T2(n)=O(f(n))+O(g(n))=O(max(f(n),g(n)))
时间复杂度的乘法规则：
T(n)=T1(n)*T2(n)=O(f(n))*O(g(n))=O(f(n)*g(n))
常数阶

int sum = 0,n = 100; //执行一次
sum=(1+n)*n/2; //执行一次

这个算法的运行次数函数是f(n)=2，根据推导大O阶，第一步就是把常数项改为1，在保留最高阶项是发现，根本没有最高阶，所以这个算法的时间复杂度为O(1)。
线性阶
分析算法的复杂度，关键就是要分析循环结构的运行情况。

for(int i = 0;i < n;i++)
{
	//时间复杂度为1的语句
}

循环的时间复杂度O(n)，因为循环体中代码要执行n次。
对数阶

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

由循环的代码可知有多少2相乘之后大于n则会退出循环，即2^x=n得到的值是x=log₂n，而我们不关心底数是多少，所以这个循环的时间复杂度是O(logn)。
平方阶
求时间复杂度时关注的是嵌套最深的语句的时间复杂度

for(int i = 0;i < n;i++)
{
	for(int j = 0;j < n;j++)
	{
		//时间复杂度为O(1)的语句
	}
}

内循环的时间复杂度为O(n)，外层的循环不过是内层时间复杂度为O(n)的语句，再循环n次，所以这个代码的时间复杂度为O(n²)。
如果外层循环的循环此时改为m，时间复杂度就变为O(m*n)。

for(int i = 0;i < m;i++)
{
	for(int j = 0;j < n;j++)
	{
		//时间复杂度为O(1)的语句
	}
}

得出结论循环的时间复杂度等于循环体的复杂度乘以该循环运行的次数。
那下面的循环嵌套时间复杂度是多少呢？

for(int i = 0;i<n;i++)
{
	for(int j = i;j<n;j++)
	{
		//时间复杂度为O(1)的语句
	}
}

当i=0时，内循环执行了n次，当i=1时，内循环执行了n-1次，当i=n-1时，循环执行了1次，所以总执行次数为
n+(n-1)+(n-2)+...+1=n(n+1)/2=n²/2+n/2
使用推导大O阶，第一条没有加法常数不用取代，第二条只保留最高项，因此保留n²/2，第三条去除与这个项相乘的常数，也就是去除1/2，最终这段代码的时间复杂度为O(n²)。