数据结构与算法02—算法

算法

定义：是解决特定问题求解步骤的描述。

算法描述

度量算法好坏
1、事后统计法：通过设计好的程序和数据，利用计算机计时器对不同算法程序的运行时间进行比较，从而确定算法效率的高低。
*弊端：
必须事先编好程序，再进行运行，如果程序处理的数据量较大，则会花费大量的时间和精力。
时间的比较主要依赖于计算机硬件和软件环境
算法的测试数据设计困难，在数据量较小的时侯，不管什么算法其运行时间都是很微小的，相差几乎为零。如果数据量大了，算法的优越性就出来了，但是这样又会耗费时间。

2、事前分析法：主要在计算机程序编制前，依据统计方法对算法进行估算。

一个高级程序语言编写的程序在计算机上运行时所消耗的时间取决于下列因素：
算法采用的策略、方法（算法好坏的根本）
编译产生的代码质量（取决于具体的编程语言）
问题的输入规模
机器执行指令的速度（取决于硬件性能）

一个程序的与运行时间依赖于算法的好坏和问题的输入规模（问题输入规模：是指输入数据量的多少）

基础算法

数据结构算法
查找算法：线性查找、二分查找、插值查找、斐波那契查找
排序算法：冒泡排序、选择排序、插入排序、希尔排序、归并排序、快速排序、堆排序、计数排序、基数排序
图论算法：深度优先遍历、广度优先遍历、最小生成树、最短路径、拓扑排序、关键路径

进阶算法

分治回溯、动态规划、背包算法、贪心算法、数论算法

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，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，也就是算法的时间度量，记作：T(n) = O(f(n) 。
(它表示随着问题规模 n 的增大，算法执行时间的增长率和 f(n) 的增长率相同，称作算法的渐进时间复杂度。简称时间复杂度，其中 f(n) 是问题规模 n 的某个函数)
算法时间复杂度主要探究的是问题输入规模 N 的数量级，不是算法的具体执行次数

1、常数阶 O(1)：无循环、无递归、与问题输入规模 N 无关的、逐行执行的代码。

int a = 3;
int b = 4;
int c = a + b;