一、算法是什么?
算法(Algorithm):一个计算过程,解决问题的方法。
Niklaus Wirth说:“程序=数据结构+算法”
算法是指解题方案的准确而完整的描述,是一系列解决问题的清晰指令,算法代表着用系统的方法描述解决问题的策略机制。也就是说,能够对一定规范的输入,在有限时间内获得所要求的输出。如果一个算法有缺陷,或不适合于某个问题,执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
一个算法应该具有以下七个重要的特征:
- ①有穷性(Finiteness):算法的有穷性是指算法必须能在执行有限个步骤之后终止;
- ②确切性(Definiteness):算法的每一步骤必须有确切的定义;
- ③输入项(Input):一个算法有0个或多个输入,以刻画运算对象的初始情况,所谓0个输 入是指算法本身定出了初始条件;
- ④输出项(Output):一个算法有一个或多个输出,以反映对输入数据加工后的结果。没 有输出的算法是毫无意义的;
- ⑤可行性(Effectiveness):算法中执行的任何计算步骤都是可以被分解为基本的可执行 的操作步,即每个计算步都可以在有限时间内完成(也称之为有效性);
- ⑥高效性(High efficiency):执行速度快,占用资源少;
- ⑦健壮性(Robustness):对数据响应正确。
二、时间复杂度
时间复杂度:就是用来评估算法运行时间的一个式子(单位)。一般来说,时间复杂度高的算法比复杂度低的算法慢。
1、时间复杂度举例说明
类比生活的一些时间,估计时间:
来说说下面这些代码的时间复杂度是多少呢?
print('Hello World') # O(1) for i in range(n): # O(n) print('Hello World') for i in range(n): # O(n^2) for j in range(n): print('Hello World') for i in range(n): # O(n^3) for j in range(n): for k in range(n): print('Hello World') while n > 1: # O(log2n)或者O(logn) print(n) n = n // 2
当算法过程中出现循环折半的时候,复杂度式子中会出现logn。
2、常见的算法时间复杂度(按照效率排序)
Ο(1)<Ο(log2n)<Ο(n)<Ο(nlog2n)<Ο(n2)<O(n2logn)< Ο(n^3)<…<Ο(2^n)<Ο(n!)
例如:
由图中我们可以看出,当 n 趋于无穷大时, O(nlogn) 的性能显然要比 O(n^2) 来的高
一般来说,只要算法中不存在循环语句,其时间复杂度就是 O(1)。
而时间复杂度又分为三种:
- 最优时间复杂度 (Best-Case)
- 平均时间复杂度 (Average-Case)
- 最差时间复杂度 (Worst-Case)
最差时间复杂度的分析给了一个在最坏情况下的时间复杂度情况,这往往比平均时间复杂度好计算,而最优时间复杂度一般没什么用,因为没人会拿一些特殊情况去评判这个算法的好坏。
3、时间复杂度总结
- 时间复杂度是用来估计算法运行时间的一个式子(单位)。
- 一般来说,时间复杂度高的算法比复杂度低的算法慢。
- 常见的时间复杂度(按效率排序):O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^2logn)<O(n^3)
- 复杂问题的时间复杂度(难解决的问题):O(n!) O(2n) O(nn)......