前言
本知识总结来自于书本《大话数据结构》, 故投转载。 本人为大一计算机专业学生,自学过程中想借博客记录知识点,同时方便以后复习。
二.算法
1. 定义
算法是解决特定问题求解步骤的描述,在计算机中表现为指令的有限序列,并且每条指令表示一个或多个操作
2.特性
1.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。
2.确定性:算法的每一步骤都具有确定的含义,不会出现二义性。
3.可行性:算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,算法程序对于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的除满足规格说明的结果4,算法程序对于精心选择的,甚至刁难的测试数据都有满足要求的输出结果)
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。
3.健壮性:当输入数据不合法时,算法也能够做出相关处理,而不是产生异常或莫名其妙的结果。
4.时间效率高和存储量低
4.统计法
1.运行后来计算时间的缺陷
【1】不同年代不同CPU运行速度不一样,运行系统不一样,框架不一样,编译器不一样都会导致结果有细微的差异。
【2】要先把整个程序编译完毕。
【3】 程序设计困难 。2.运行前来计算时间 即为计算每行代码执行次数统计
5.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)总是比g(n)大,那么,我们说f(n)的增长渐进快于g(n)
即在随n增大后,比较运行次数的数量级
6.时间空间复杂度
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,记做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,称作算法的渐进时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
7.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,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。
8.各种阶的分析
(1)常数阶
int sum =0,n=100;
sum =(1+n)*n/2;
printf("%d",sum);
f(n)=3保留最高阶项时发现没有最高阶项,所以这个算法时间法度为O(1)
(2)线性阶
int i;
for(i=0;i<n;i++)
{/*时间复杂度为O(1的程序步骤序列)*/
(3)对数阶
int i;
while (i<n)
{
i =i*6
}
每次i乘6后,就距离n更近了,即可以表示为6^i=n,i=log6n 所以这个循环时间复杂度为O(logn)
(4)平方阶
简单的,两个循环嵌套则可以的到O(m*n)
int i,j;
for(i=0;i<n;i++)
for(j=i;j<n;j++)
当i=0时,内循环执行了n次,当i=1时,执行了n-1次 即n+(n-1)+(n-2)+……+1=n(n+1)/2
根据求最高阶得出,O(n^2)
常见的时间复杂度比较
O(1)<O(logn)<O(n)<O(nlogn)<O(n2)<O(n3)<O(2^n)<O(n!)<O(nN)
9.最坏和平均情况
最坏情况运行时间是一种保证,那就是运行时间将不会再坏了。再应用中,这是一种最重要的需求,通常,除非特别指定,我们提到的运行时间都是最坏的情况的运行时间
平均运行时间是所有情况中最有意义的,因为它是期望的运行时间。
一般在没有特殊说明的情况下,都是指最坏时间复杂度