1.算法定義
算法(Algorithm)是指解題方案的準確而完整的描述,是一系列解決問題的清晰指令,算法代表著用系統(tǒng)的方法描述解決問題的策略機制。也就是說,能夠對一定規(guī)范的輸入,在有限時間內獲得所要求的輸出。如果一個算法有缺陷,或不適合于某個問題,執(zhí)行這個算法將不會解決這個問題。不同的算法可能用不同的時間、空間或效率來完成同樣的任務。一個算法的優(yōu)劣可以用空間復雜度與時間復雜度來衡量。
一個算法應該具有以下七個重要的特征:
①有窮性(Finiteness):算法的有窮性是指算法必須能在執(zhí)行有限個步驟之后終止;
②確切性(Definiteness):算法的每一步驟必須有確切的定義;
③輸入項(Input):一個算法有0個或多個輸入,以刻畫運算對象的初始情況,所謂0個輸 入是指算法本身定出了初始條件;
④輸出項(Output):一個算法有一個或多個輸出,以反映對輸入數(shù)據(jù)加工后的結果。沒 有輸出的算法是毫無意義的;
⑤可行性(Effectiveness):算法中執(zhí)行的任何計算步驟都是可以被分解為基本的可執(zhí)行 的操作步,即每個計算步都可以在有限時間內完成(也稱之為有效性);
⑥高效性(High efficiency):執(zhí)行速度快,占用資源少;
⑦健壯性(Robustness):對數(shù)據(jù)響應正確。
2. 時間復雜度
計算機科學中,算法的時間復雜度是一個函數(shù),它定量描述了該算法的運行時間,時間復雜度常用大O符號(大O符號(Big O notation)是用于描述函數(shù)漸進行為的數(shù)學符號。更確切地說,它是用另一個(通常更簡單的)函數(shù)來描述一個函數(shù)數(shù)量級的漸近上界。在數(shù)學中,它一般用來刻畫被截斷的無窮級數(shù)尤其是漸近級數(shù)的剩余項;在計算機科學中,它在分析算法復雜性的方面非常有用。)表述,使用這種方式時,時間復雜度可被稱為是漸近的,它考察當輸入值大小趨近無窮時的情況。
大O,簡而言之可以認為它的含義是“order of”(大約是)。
無窮大漸近
大O符號在分析算法效率的時候非常有用。舉個例子,解決一個規(guī)模為 n 的問題所花費的時間(或者所需步驟的數(shù)目)可以被求得:T(n) = 4n^2 - 2n + 2。
當 n 增大時,n^2; 項將開始占主導地位,而其他各項可以被忽略——舉例說明:當 n = 500,4n^2; 項是 2n 項的1000倍大,因此在大多數(shù)場合下,省略后者對表達式的值的影響將是可以忽略不計的。
數(shù)學表示掃盲貼 python算法表示概念掃盲教程
一、計算方法
1.一個算法執(zhí)行所耗費的時間,從理論上是不能算出來的,必須上機運行測試才能知道。但我們不可能也沒有必要對每個算法都上機測試,只需知道哪個算法花費的時間多,哪個算法花費的時間少就可以了。并且一個算法花費的時間與算法中語句的執(zhí)行次數(shù)成正比例,哪個算法中語句執(zhí)行次數(shù)多,它花費時間就多。
一個算法中的語句執(zhí)行次數(shù)稱為語句頻度或時間頻度。記為T(n)。
2.一般情況下,算法的基本操作重復執(zhí)行的次數(shù)是模塊n的某一個函數(shù)f(n),因此,算法的時間復雜度記做:T(n)=O(f(n))。隨著模塊n的增大,算法執(zhí)行的時間的增長率和f(n)的增長率成正比,所以f(n)越小,算法的時間復雜度越低,算法的效率越高。
在計算時間復雜度的時候,先找出算法的基本操作,然后根據(jù)相應的各語句確定它的執(zhí)行次數(shù),再找出T(n)的同數(shù)量級(它的同數(shù)量級有以下:1,Log2n ,n ,nLog2n ,n的平方,n的三次方,2的n次方,n!),找出后,f(n)=該數(shù)量級,若T(n)/f(n)求極限可得到一常數(shù)c,則時間復雜度T(n)=O(f(n))。
3.常見的時間復雜度
按數(shù)量級遞增排列,常見的時間復雜度有:
常數(shù)階O(1), 對數(shù)階O(log2n), 線性階O(n), 線性對數(shù)階O(nlog2n), 平方階O(n^2), 立方階O(n^3),..., k次方階O(n^k), 指數(shù)階O(2^n) 。
其中,
1.O(n),O(n^2), 立方階O(n^3),..., k次方階O(n^k) 為多項式階時間復雜度,分別稱為一階時間復雜度,二階時間復雜度。。。。
2.O(2^n),指數(shù)階時間復雜度,該種不實用
3.對數(shù)階O(log2n), 線性對數(shù)階O(nlog2n),除了常數(shù)階以外,該種效率最高