1.算法的定义
算法是解决特定问题求解步骤的描述,在计算机中表现为质量的有限序列,并且每条指令表示一个或多个操作。
2.算法的特性
算法具有五个基本特性:输入、输出、有穷性、确定性、可行性。
1)输入输出
算法具有零个或多个输入,并至少具有一个或多个输出。输出可以是打印输出,或是返回一个或多个值。
2)有穷性
有穷性指算法在执行有限的步骤之后,会自动结束而不会出现无限循环,并且每一个步骤会在可接受的的时间内完成。
3)确定性
算法的每一个步骤都具有确定的含义,不会出现二义性。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意义。
4)可行性
可行性指的是算法的每一步都必须是可行的,也就是说每一步都能够通过执行有限次数完成。
3.算法设计的要求
1)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。
1.算法程序没有语法错误。2.算法程序随意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的说明的结果。
2)可读性
算法设计的另一目的是为了便于阅读、理解和交流。写代码的目的不只是让计算机执行,还应该便于自己和他人阅读理解代码,便于相互交流、沟通。
3)时间效率高和储存量低
好的算法应该具备时间效率高和储存量低的特点。
时间效率指的是算法执行的时间,储存量需求指的是算法在执行过程中需要的最大储存空间,主要指算法运行时所占用的内存或外部硬盘储存空间。设计算法应该尽量满足时间效率高和储存量低的需求。
4.算法效率的度量方法
1)事后统计方法
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,从而确定算法效率的高低。
但是事后统计的方法有很大的缺陷:第一,它必须依照算法首先编制好程序,之后如果测试出这是一个不好的算法,那之前的编制就是白忙活了。第二,不同的硬件、软件等其他因素会造成运行时间的不同,从而掩盖算法本身的优劣。第三,算法的测试数据设计困难,程序运行的时间往往还和测试数据的规模有很大的关系,效率高的算法在比较小的测试数据面前往往得不到体现,几乎没有差异,那么到底用多少个测试数据就成了一个问题。
因为事后统计方法有很多的缺陷,所以我们一般不采用这种方法。
2)事前分析估算法
事前分析估算法是在计算机编制前,依据统计方法对算法进行估算。
经过分析用高级程序语言编写的程序在计算机运行时所消耗的时间取决于以下因素:1.算法所采用的策略、方法 2.编译产生的代码质量 3.问题的输入模式 4.机器执行指令的速度。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。所谓问题的输入规模是指输入量的多少。
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。
5.函数的渐近增长
函数的渐近增长指的是,给定的两个函数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)的增长渐进快于g(n)。
例如2n^2与3n+1,当n的值越来越大时,两个函数的结果相差就会很大,在判断一个算法的效率时,函数中的常数和其他次要项常常可以忽略,而更应该关注主项(最高此项)的阶数。
如果我们对比几个算法的关键执行次数函数的渐近增长性,基本可以分析出某个算法,随着n的增大,它会越来越优于或差于某个算法。这就是事前估算方法的理论依据,通过算法时间复杂度来估算算法时间效率。
6.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)的增长率相同,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。
一般情况下,随着n的增大,T(n)增长最慢的算法为最优算法。
推导大O 阶的方法:
1.用常数1取代运行时间中的所以加法常数
2.在修改后的运行次数函数中,只保留最高阶项
3.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。得到的结果就是大O阶
常用时间复杂度所耗费的时间从小到大依次是:
O(1)<O(logn)<O(n)<O(n*logn)<O(n^2)<O(n^3)<O(2^n)<O(n!)<O(n^n)
7.算法空间复杂度
算法的空间复杂度通过计算算法所需的储存空间实现,算法空间复杂度记作:S(n)=O(f(n)),其中n为问题的规模,f(n)为语句关于n所占储存空间的函数。