数据结构:大量数据的组织方法;
算法分析:算法运行时间的估算。涉及到计算效率。
设想,如果能把时间限制从16年减至不到1秒,不很神奇吗?
在很多问题中,一个重要的观念是:写出一个可以工作的程序并不够。如果这个程序在巨大的数据集上运行,运行时间就成了重要的 问题。
算法,是为求解一个问题需要遵循的、被清楚地指定的简单 指令的集合 。
对于一个问题,一旦给定某种算法,确定其是正确的,那么接下来重要的一步就是该算法花费的时间和空间等资源量 的问题。也就是说,设计算法主要关心两个方面:运行快不快(性能),占用内存如何(资源花费)。
定义:如果存在正整数c和n0,使得当N>=n0时候,T(N)<=cf(N),则记为T(N)=O(f(N))(注意这里已经省去了常数c 的影响)
大O表示法指出了算法有多快。大O表示法说的是最糟的情形。除了最糟糕情况下的运行时间,还要考虑平均情况 下的运行时间,这很重要。
如何理解N???n表示数据长度!!!
当我们说T(N)=Of((N))时候,我们是在保证函数T(N)是以不快于f(N)的速度增长;因此,f是T的一个上界。
如下:T(N)=O(2N2)或者T(N)=O(N2+N),均是不合习惯的,应该表示为T(N)=O(N2)
运行时间计算例子:
计算一个i3求和的例子:
Sum(int N)
{
int i, PartialSum;
PartialSum = 0; //1
for (i = 1;i <= N;i++) //2
PartialSum += i*i*i; //3
return PartialSum; //4
}
声明不计时间,第1和第4行各占1个时间单元:1+1
第3行,4个运算;判断N次,4N;
第2行,初始化1+N+N(自增),2N+2;
总共:2+4N+2N+2=6N+4;因此,我们说该函数是O(N)
基本算法设计策略:
1.贪心法
思想:总是做出在当前看来是最好的选择。也就是说,贪心法并不从整体最优上加以考虑,它所做出的选择只是在某种意义上的局部最优选择。
虽然贪心法不是对所有问题都能得到整体最优解,但对范围相当广的许多问题它能产生整体最优解。
比如找硬币问题
2.分治法
动态规划
回溯法
分支限界法
随机化算法等