- 算法
-
- 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
- 特性:五个基本特性,即输入、输出、有穷性、确定性、可行性
- 算法设计的要求
-
- 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
- 可读性:算法设计的另一个目的是为了便于阅读、理解和交流
- 健壮性:当输入数据不合法时,算法也能做出相关处理,而不是产出异常或莫名其妙的结果
- 时间效率高和存储量低:设计算法应该尽量满足时间效率高和存储量低的需求
- 算法效率的度量方法
-
- 事后统计方法(可操作性差,不采纳)
- 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
- 算法程序在计算机上运行时间所消耗的时间取决于下列因素:
-
- 算法采用的策略、方法
- 编译产生的代码质量
- 问题的输入规模
- 机器执行指令的速度
- 函数的渐近增长
-
- 定义: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)的增长渐近快于g(n)
- 依据:某个算法,随着n的增大,它会越来越优于另一算法,或者越来越差于另一个算法
- 我们可以忽略这些加法常数
- 与最高次项相乘的常数并不重要
- 最高次项的指数大的,函数随着n的增长,结果也会变得增长特别快
- 判读一个算法的效率时,函数中的常数和其他次要项常常可以忽略,而更应该关注主项(最高阶项)的阶数
- 算法时间复杂度
-
- 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,称作算法的渐近时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。
- 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
- 4.得到的结果就是大O阶
- 常数阶
- 线性阶
- 对数阶
- 平方阶
- 最坏情况与平均情况:写算法时,都要考虑这两个情况