【数据结构学习】算法(Algorithm) |
您所在的位置:网站首页 › 算法指的是什么意思 › 【数据结构学习】算法(Algorithm) |
程序 = 数据结构 + 算法
口诀: 常对幂指阶 (从小到大)
数据结构是要处理的信息,算法是处理信息的步骤 算法的定义: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。算法具有五个基本特性:输入,输出,有穷性,确定性和可行性输入输出:算法具有零个或多个输入,至少有一个或多个输出。 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。 算法是有穷的,程序可以是无穷的。 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。 可行性:算法的每一步骤都必须是可行的,也就是说每一步都能够通过执行有限次数来完成。 3.算法设计的五个要求:正确性,可读性,健壮性,时间效率高,存储量低 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:算法设计的另一目的是为了便于阅读、理解与交流。 健壮性:当输入的数据不合法时,算法也能做出相应的处理,而不是产生异常或者莫名其妙的结果。 时间效率高、存储量低:时间效率指的是算法的执行时间,存储量低指的是算法程序运行所占据的内存或外部硬盘存储空间低。 4 .算法效率的两种度量方法:事后统计方法,事前统计方法 事后统计方法:简单来说,就是先根据不同算法设计好对应的代码程序,用计算机运行一遍,从而确定算法效率的高低。 事前统计方法:在计算机程序编制前,依据统计方法对算法进行评估。 程序在计算机上运行的时间的多少取决于如下四个因素: (1)算法采用的策略、方法(取决于算法的好坏) (2)编译产生的代码质量 (取决于软件) (3)问题的输入规模 (取决于问题的复杂程度以及输入量的多少) (4)机器执行指令的速度 (取决于硬件性能) 5.描述算法执行次数的函数(事前估算方法的理论依据) 设输入规模为n,某个算法,随着n的增大,它会越来越优于另一算法,或者越来越差与另一个算法。并且,判断一个算法的效率时,函数的常数和其他次要项常常可以忽略,应该关注函数的最高阶项的阶数。 6.算法的时间复杂度与空间复杂度基本概念 时间复杂度:表示代码执行时间随着数据规模增长的变化趋势,也叫渐进时间复杂度。 空间复杂度:全称渐进空间复杂度,表示算法的存储空间和数据规模之间的增长关系。 大O复杂度表示法 :Tn = O (f(n)) ,T(n)表示代码的执行时间,n表示数据规模的大小,f(n)表示每行代码执行的次数总和,用来分析算法的时间复杂度。 大O复杂度表示法操作步骤: (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)完成上述步骤后,检查一遍,如无误,得到的结果就是用大O复杂度表示的该算法的时间复杂度。 7.常见的时间复杂度
常见的时间复杂度 常用的时间复杂度所耗费的时间从小到大依次是: 8.算法的最坏、最好与平均时间复杂度 最坏时间复杂度:最坏情况下的算法的时间复杂度 最好时间复杂度:最好情况下算法的时间复杂度 平均时间复杂度:所有输入示例等概率出现的情况下,算法的期望运行时间 算法的性能问题只有在n很大时才会暴露出来。 9.空间复杂度 【1】如何计算 普通程序处理步骤 (1)找到所占空间大小与问题规模相关的变量 (2)分析所占空间x与问题规模 n 的关系 x = f(n) (3)x的数量级O(x)就是算法空间复杂度S(n) 递归程序处理步骤 (1)找到递归调用的深度 x 与问题规模相关的变量 (2)x的数量级O(x)就是算法空间复杂度S(n) 注意:有的算法各层函数所需的存储空间不同,分析方法略有区别 【2】常用技巧 加法原则:O(f(n)) + O(g(n)) = O(max(f(n),g(n))) 乘法原则:O(f(n)) * O(g(n)) = O(f(n) * g(n)) |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |