2.2.1 算法概述

1、算法的概念

算法是指对特定问题求解步骤或思路的描述。我们举一个日常例子阐述如下：

问题：如何做一盘西红柿炒鸡蛋？

解决步骤或思路：

第一步，把西红柿洗干净并切片；

第二步，把西红柿放到锅里炒，然后备用；

第三步，将鸡蛋放到锅里炒，同时把炒好的西红柿放入锅中一起翻炒；

第四步，翻炒3分钟后，放到盘子中。

以上四步，就是对解决问题的步骤描述，也可以称之为解决问题的算法。需要说明的是，

• 针对特定问题，可以有很多种解决的方法或思路，对应的也就会有多种算法。
• 算法不是程序，程序是一序列指令的集合，但程序可以描述算法、实现算法。

2、算法的特征

一般而言，一个算法具有以下5个基本特征：

• 可行性，即按照算法所描述的步骤，是可以确定解决问题的，实现预期目标；
• 确定性，即算法所描述的步骤是清晰明确的，不存在歧义或模棱两可的地方，在任何情况下，给出特定的输入，算法总是给出相同的结果；
• 有穷性，即算法总是在执行有穷步骤后结束，且每一步都可以在有穷的时间内完成；
• 输入，即算法总有零个或多个输入；
• 输出，即算法总有一个或多个输出，且这些输出和输入有着某些特定的关系；

3、算法的复杂度

针对特定的问题，总是会有多种解决办法（即多种算法），那么，哪种算法是好的算法呢？又应该如何选择算法呢？这里就会使用到算法的评价标准了，即算法的时间复杂度和空间复杂度。

（1）时间复杂度

算法的时间复杂度是用来表示算法的时间效率的，即针对特定问题（同样的输入），解决问题所需时间越短，则说明该算法的时间效率越高。一个算法所花费的时间又与算法中操作的执行次数成正比，所以我们可以用算法中操作执行的次数来表示算法的时间效率。一般情况下，针对特定的算法，该算法中基本操作重复执行的次数是问题规模n的某个函数，记为T(n)，若有某一个辅助函数f(n)，当n无限接近于无穷大时，有T(n)/f(x)的极限值为不等于零的常数，则成f(n)是T(n)的同数量级函数。记做T(n)=O(f(n))，称O(f(n))为算法的渐进时间复杂度，简称时间复杂度。

我们举个例子来阐明，假设有一个算法，描述如下：

{            //循环1

             重复执行N次

 {

                    重复执行N次

 {

                         打印 “ hello world！” ;

                     }

              }

              //循环2

重复执行N次

{

                打印 “ hello world！” ;

              }

}

在这个算法中，总共有两个循环语句，第一个循环语句是打印N2次‘hello world’，第二个循环语句是打印N次‘hello world’。打印‘hello world’这个语句是此算法中的基本操作。当问题规模为n时，基本操作次数就是T(n)=n2+n。那么我们可以找到一个函数f(n)=n2当n无穷大时，

，其极限值为不等于零的1，所以可以将f(n)=n2称为T(n)=n2+n函数的同数量级函数，则该算法的时间复杂度就为O(n2)。

常用的算法时间复杂度及其大小排序如下：

Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)

（2）空间复杂度

类似的，算法的空间复杂度是用来表示算法的存储效率的，即针对特定问题（同样的输入），解决问题所需存储空间越少，则说明该算法的空间效率越高。一般情况下，针对特定的算法，该算法运行中所占用的存储空间是问题规模n的某个函数，记为S(n)，若有某一个辅助函数f(n)，当n无限接近于无穷大时，有S(n)/f(x)的极限值为不等于零的常数，则成f(n)是S(n)的同数量级函数。记做S(n)=O(f(n))，称O(f(n))为算法的渐进空间复杂度，简称空间复杂度。