算法概述
来源:互联网 发布:vray for rhino mac 编辑:程序博客网 时间:2024/05/21 09:15
算法的概念
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。好的算法应该具有正确性、可读性、健壮性、高效率和低存储量的特征。
算法效率的度量方法
1、事后统计方法
这种方法主要是通过设计好的测试程序和数据,利用计算机计时器对不同算法编制的程序的运行时间进行比较,从而确定算法效率的高低。
缺陷:
a、必须依据算法事先编制好程序,这通常需要花费大量的时间和精力。
b、时间的比较依赖计算机硬件和软件等环境因素。
c、算法的测试数据设计困难,并且程序的运行时间往往还与测试数据的规模有很大关系,效率高的算法在小的测试数据面前往往得不到体现。
2、事前分析估算方法
事前分析估算方法是在计算机程序编制前,依据统计方法对算法进行估算。
判断一个算法的效率时,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。
算法的时间复杂度
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)随着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,记住:T(n)=O(f(n))。它表示随问题规模n的增加,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐进时间复杂度,简称为时间复杂度。其中f(n)是问题规模n的某个函数。大写O()来体现算法时间复杂读的记法。
推倒大O阶步骤:
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.得到的结果就是大O阶。
对算法的分析,一种情况时是计算所有情况的平均值,这种时间复杂度的计算方法称为平均时间复杂度。另一种方法是计算最坏情况下的时间复杂度,这种方法称为最坏时间复杂度。一般在没有特殊说明的情况,都是指最坏时间复杂度。
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所占存储空间的函数。
0 0
- 算法概述
- 算法概述
- 算法概述
- 算法概述
- 算法概述
- 算法概述
- 算法概述
- 算法概述
- 算法设计--算法概述
- 遗忘算法:算法概述
- 遗忘算法:算法概述
- RSA算法 概述
- 递归算法概述
- 模拟退火算法概述
- 文件夹同步算法概述
- Prim算法概述
- 数论(算法概述)
- 遗传算法概述
- zzu数学 实验八物理现象之模拟电场线
- gcc -l参数和-L参数
- 前端高频面试题
- BMP图片格式解析
- android 蓝牙基本的操作
- 算法概述
- leetcode oj java Binary Watch
- http ,tcp/ip ,socket
- shell 脚本查看当前系统用户信息
- mysql缺少根元素怎么解决?
- github视频教程-03 如何使用github上pull-request功能(VS2013)
- python基础2--------元组,列表,字符串
- js函数声明语句与函数表达式的区别深入理解
- C语言进行二叉树的递归遍历和非递归遍历