大话数据结构——第二章算法

######仅作为笔记
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。

算法具有五个基本特性：输入、输出、有穷性、确定性和可行性
(1)输入输出：算法具有零个或者多个输入；算法至少有一个或多个输出。
(2)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。
(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。
(4)可行性：算法的每一步都必须是可行的，也就是说，每一步都能通过执行有限次数完成。

算法的设计要求
(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。
(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。
(3)健壮性：当输入数据不合法时，算法也能做出相应处理，而不是产生异常或者莫名其妙的结果。
(4)时间效率高和存储量低：时间效率指的是算法的执行时间，对于同一个问题，如果有多个算法能够解决，执行时间短的效率高，执行时间长的效率低。存储量需求指的是算法在执行过程中需要的最大存储空间，主要指算法程序运行时占用的内存或外部硬盘存储空间。

算法效率的度量方法
(1)事后统计方法：这种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。
缺点：必须依据算法事先编制好程序，这通常需要花费大量的时间和精力。
时间的比较依赖计算机硬件和软件等环境因素，有时会掩盖算法本身的优劣。
算法的测试数据设计困难。
(2)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。

一个用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一下因素：
(1)算法采用的策略、方法 //算法好坏的根本
(2)编译产生的代码质量 //软件支持
(3)问题的输入规模
(4)机器执行指令的速度 //硬件性能

函数的渐进增长：给定两个函数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)总比g(n)大，那么，我们说f(n)的增长渐进快于g(n)。
算法的时间复杂度定义：
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，称为算法的渐进时间复杂度。称为时间复杂度。其中f(n)是问题规模n的某个函数。

用大写O( )来体现算法时间复杂度的记法，称之为大O记法。
推导大O阶方法：
(1)用常数1取代运行时间中的所有加法常数。
(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不是1，则去除与这个项相乘的常数。
得到的结果就是大O阶。
常用的时间复杂度所耗费的时间从大到小为：
O(1) < O(logn) < O(n) < O(nlogn) < O(n2) < O(n3) < O(2n) < O(n!) < O(nn)

对于算法的分析，一种方法是计算所有情况的平均值，这种时间复杂度的计算方法称为平均时间复杂度。另一张方法是计算最坏情况下的时间复杂度，这种方法称为最坏时间复杂度。一般在没有特殊说明的情况下，都是指最坏时间复杂度。

算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：S(n) = O(f(n))，其中n为问题的规模，f(n)为语句关于n所占存储空间的函数。