1、总览
算法:
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,并且每个指令表示一个或多个操作。 (多个指令序列--->一个或多个操作)
算法的基本特性:
输入输出、有穷性、确定性、可行性、
算法的设计要求:
正确性、可读性、健壮性、时间效率高和存储量低
2、算法效率的度量方法:
算法时间复杂度:
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。T(n)=O(f(n)),大O记法,他表示随着问题规模n的增大,算法执行时间的增长率和f(n)相同。其中f(n)是问题规模n的某个函数。
推倒大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中,只保留最高阶项
3、如果最高阶项存在且不为1,则去除与这个项相乘的常数
最终得到的结果就是大O阶。
举例:
常数阶:O(1)。
线性阶:O(n)
对数阶:O(logn)
平方阶:
推导下面的循环嵌套:
当i=0,内循环了n次,
当i=1,内循环了n-1次,
当i=2,内循环了n-2次,
..........
当i=n-1,内循环了1次。
所以总共:n+(n-1)+(n-2)+......+1=n²/2+n/2
所以最终复杂度为O(n²)。
3、常见的时间复杂度:
4、算法空间复杂度:
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。(举例:判断某年是否闰年,一个有2050个元素的数组,如果是闰年值就为1,否则为0)