著名数据专家沃斯曾说:算法 数据结构=程序
在上篇中我们大致的介绍了一下数据结构,总结起来就是数据和结构,那算法是什么呢?说白了,算法就是在这些数据上进行一系列的操作,该做什么,先做什么,怎么做,目标实现了没有,比如我们平时设计的方法,设计的函数等等。这样说的话,每个人的想法都不一样,那设计这些操作肯定就会不同,比如1 2 3 4 5 6 7 8 9 10,有的人设计从头开始加,得出结果之后再加下一个,有的人就是先算1 10=11,然后11x5=55。对比看,那种方法好呢, 当然第二种,为什么呢,因为算的快啊。那么这么多的人,这么多的想法,哪个好,哪个坏,有没有什么评判标准呢,下面我们来讨论一下。
在讨论算法的评判标准前我们先来看一下算法的特性。
1.算法的特性
1.1.输入输出
算法要有零个或多个输入。至少要有一个或多个输出,算法一定是需要输出的,不然还用算法做什么。
1.2.有穷性
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。
基本操作:sum=sum i,忽略头尾循环判断开销,f(n)=n,T(n)=O(f(n))=O(n)
基本操作:x ,忽略头尾循环判断开销,f(n)=n的平方,T(n)=O(f(n))=O(n的平法)
无论n多大,都只执行一次,所以T(n)=O(1)
那么如果f(n)=an b的时是多少呢,这时候就考虑到我们的数学知识了,大家还记得正无穷么,对于n这个问题规模来说,我们就是争正无穷,一个常数和正无穷相乘还是正无穷,一个常数和正无穷相加自然是正无穷,如果涉及到高阶怎么办,依然是最高阶啊,因为最高阶趋向正无穷最快,后面的跟他比都是小数,所以总结起来f(n)的取法是:去掉常数和系数,取最高次阶。
常见的时间复杂度如下:
3.2.2.算法的空间复杂度
算法的空间复杂度通过计算算法所需要的存储空间实现,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所占空间的函数。
我们在写代码的时候,完全可以用空间来换时间,例如提前存储数据,以备算法的计算。通常,我们都使用“时间复杂度”来指运行时间的需求,使用“空间复杂度”来指空间需求,当不用限定词地使用“复杂度”时,通常都是指时间复杂度。
,