📅 最后修改于: 2023-12-03 14:40:35.985000 🧑 作者: Mango
DAA（Design and Analysis of Algorithms）算法设计与分析，是计算机科学中关于算法设计与分析的课程名。该课程涵盖了算法的设计和分析方法，以及一些经典和高级的算法和数据结构。
算法设计方法是指根据问题的特性和数据结构，确定算法的基本思想和实现方法。常用的算法设计方法有：贪心法、分治法、动态规划、回溯法等。
贪心法是指在求解问题时，每步都采取当前状态下最优策略，从而得到全局最优解的算法。贪心法的基本思想是建立在某些贪心选择性质的基础上的，如最短路径、最小生成树等。
贪心法的优点是简单、高效，但其缺点也是显而易见的：无法保证求出的解是最优解。
分治法是指将原问题划分为若干个规模较小而结构相似的子问题，并对子问题递归使用同样的方法求解原问题的算法。分治法是一种递归式的求解方法，其流程包括：分解、解决和合并。
分治法的优点是能够高效、准确地解决很多问题，但其缺点也是显而易见的：该算法适用于子问题互不依赖的问题。
动态规划（Dynamic Programming）是求解多阶段决策过程最优化的数学思想，是一种用于求解优化问题的算法思想。动态规划可以处理决策过程阶段较多的问题，能对各种可行解进行全面比较找到最优解。
动态规划的优点是能够解决复杂、变态的问题，但其缺点也是显而易见的：动态规划的时间复杂度较高，需要使用并行计算技术或启发式算法来解决。
回溯法是一种基于深度优先搜索的算法，用来解决一些组合问题，它不断地深入搜索，试图把问题的所有可能解都找出来，并选取其中最优的。
回溯法的优点是能够解决高阶的组合问题，但其缺点也是显而易见的：时间复杂度较高，需要使用并行计算技术来优化。
算法分析方法是指对算法进行时间和空间复杂度分析，以便从中选取最佳算法，优化算法效率，提高程序运行速度。常用的算法分析方法有：渐进时间复杂度分析、空间复杂度分析等。
渐进时间复杂度分析是指对算法的时间复杂度进行渐进分析的方法，其中最常见的时间复杂度有：常数、对数、线性、对数线性、平方、立方等。
常见的算法时间复杂度分析如下：
空间复杂度分析是指对算法的空间复杂度进行分析的方法，也就是算法对内存资源的使用情况进行分析。一个算法的空间复杂度受到以下因素的影响：
空间复杂度通常用O(n)表示，其中n为问题的规模。一般来说，空间复杂度的优化需要根据问题的特征具体分析。
DAA 算法分析与设计是算法学习中的重要课程，内容丰富、关注实践、注重分析，有助于我们提高算法分析与设计的能力，更好地解决实际问题。
# 示例代码
def factorial(n):
if n == 0:
return 1
else:
return n * factorial(n-1)
print(factorial(5))
# 输出：120