什么是算法

我们常常听说：「程序 = 算法 + 数据结构」，算法是解决问题的逻辑、方法、过程，数据结构是数据在计算机中的存储和访问的方式，两者是紧密结合的。

算法（Algorithm）：对特定问题求解步骤的一种描述，是指令的有限序列。它有 5 个特征：

1. 输入：一个算法有零个或多个输入。可以没有输入，例如一个定时闹钟程序，它不需要输入，但是能够每隔一段时间就输出一个报警。
2. 输出：一个算法有一个或多个输出。程序可以没有输入，但是一定要有输出。
3. 有穷性：一个算法必须在执行有穷步之后结束，且每一步都在有穷时间内完成。
4. 确定性：算法中的每一条指令必须有确切的含义，对于相同的输入只能得到相同的输出。
5. 可行性：算法描述的操作可以通过已经实现的基本操作执行有限次来实现。

以冒泡排序算法为例子，上一节已经描述过它的执行步骤，它满足上述 5 个特征：

算法复杂度

一个程序或算法的复杂度有以下可能：

O(1)

计算时间是一个常数，和问题的规模 n 无关。例如：用公式计算时，一次计算的复杂度就是 O(1)；哈希算法，用 hash 函数在常数时间内计算出存储位置；在矩阵 A[M][n]中查找 i 行 j 列的元素，只需要一次访问 A[i][j]就够了。

O(logn)

计算时间是对数，通常是以 2 为底的对数，每一步计算后，问题的规模减小一倍。例如在一个长度为 n 的有序数列中查找某个数，用折半查找的方法，只需要 logn 次就能找到。再例如分治法，一般情况下，在每个步骤把规模减少一倍，所以一共有 O(logn) 个步骤。

O(logn) 和 O(1)没有太大差别。

 

 

如果一个算法是多项式复杂度，称它为「高效」算法。如果是指数复杂度，则是一个「低效」算法。可以这样通俗地解释「高效」和「低效」算法的区别：多项式复杂度的算法，随着规模 n 的增加，可以通过堆叠硬件来实现，「砸钱」是行得通的；而指数复杂度的算法，增加硬件也无济于事，其增长的速度超出了想象力。

竞赛题目一般的限制时间是 1s，对应普通计算机计算速度是每秒千万次级。那么，上述的时间复杂度，可以换算出能解决问题的数据规模。例如，如果一个算法的复杂度是 O(n!)，当 n = 11 时，11! = 39916800，这个算法只能解决 n <= 11 以内的问题。

记住表

学习建议