算法基本概念，时间复杂度，空间复杂度

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）