算法特性
有窮性(finite)：算法的執行次數有窮，即它包含的計算步驟有窮。
確定性(definite)：每條指令都是明確的、無二義的
可行性(effective)：每條指令都必須是能夠執行的
輸入(input)：允許有0個或多個輸入，取自特定的集合
輸出(output)：產生一個或多個輸出， 與輸入量有特定的關係
計算過程與算法的區別在於，計算過程不具有窮性，是個死循環。
程序=數據結構+算法
算法目標
正確性：首要因素
可讀性
健壯性：當輸入不正確時，可以應對處理
高效、低存儲
時間複雜度T(n)
算法的時間複雜度由算法中的基本操作的執行次數來度量其大小。
- 時間複雜度T(n)=問題規模的某個函數f(n)
時間複雜度不僅依賴於問題的規模n，也取決於輸入數據的特性（如，元素的初始狀態）
-
平均情況下的時間複雜度 A(n)：規模爲n的所有輸入的算法時間複雜度的 平均值
-
最壞情況下的時間複雜度 W(n)：在問題規模同爲n時，基本運算執行次數爲最多的時間複雜度
算法的漸進性態分析
漸進時間複雜度：當問題的規模趨於無限大時的時間複雜度
- T(n)=O(f(n)) ——大O表示法
當n的規模趨於無窮，ヨc > 0，總有 T(n)≤c*f(n) 。
此時，T(n)的階低於或等於f(n)的階。即T(n)的增長速度小於或等於f(n)。
可知T(n)的上界。 - T(n)=Ω(f(n)) ——大Ω表示法
當n的規模趨於無窮，ヨc > 0，總有 T(n)≥c*f(n) 。
此時，T(n)的階高於或等於f(n)的階。即T(n)的增長速度大於或等於f(n)。
可知T(n)的下界。 - T(n)=Θ(f(n))——Θ表示法
當n的規模趨於無窮，T(n)=O(f(n))且 T(n)=Ω(f(n)) 。
此時，T(n)的階與f(n)的同階。即T(n)的增長速度與f(n)近似相等。 可知T(n)的確界。
