演算法計算

㈠ 演算法等同於計算方法

演算法不等同於計算方法。
演算法的定義為解決問題確定的方法和有限的步驟。
而演算法分為兩大類：數值運算演算法和非數值運算演算法。計算方法中並不包括非數值運算演算法，因此演算法不等同於計算方法，當然啦 這是在計算機學中的定義，不同地方將有不同的意義，若是僅僅談數學上的演算法，確實與計算方法相似。
純手打，希望能幫到你~

㈡ 什麼是演算法

演算法，簡單一點說就是計算的方法，比如計算兩個整數相加的方法，即兩數相加的【演算法】就是從右向左依次相加各位。
嚴格來說的話，在數學和計算機科學之中，演算法（Algorithm）為一個計算的具體步驟，常用於計算、數據處理和自動推理。精確而言，演算法是一個表示為有限長列表的有效方法。演算法應包含清晰定義的指令用於計算函數 。（本段來自網路：http://ke..com/view/7420.htm）

㈢ 這個演算法怎麼計算

求解演算法的時間復雜度的具體步驟是：
⑴找出演算法中的基本語句；
演算法中執行次數最多的那條語句就是基本語句，通常是最內層循環的循環體。
⑵計算基本語句的執行次數的數量級；
只需計算基本語句執行次數的數量級，這就意味著只要保證基本語句執行次數的函數中的最高次冪正確即可，可以忽略所有低次冪和最高次冪的系數。這樣能夠簡化演算法分析，並且使注意力集中在最重要的一點上：增長率。
⑶用大Ο記號表示演算法的時間性能。
將基本語句執行次數的數量級放入大Ο記號中。
如果演算法中包含嵌套的循環，則基本語句通常是最內層的循環體，如果演算法中包含並列的循環，則將並列循環的時間復雜度相加。例如：
for(i=1;i<=n;i++)x++;for(i=1;i<=n;i++)
for(j=1;j<=n;j++)x++;第一個for循環的時間復雜度為Ο(n)，第二個for循環的時間復雜度為Ο(n2)，則整個演算法的時間復雜度為Ο(n+n2)=Ο(n2)。
常見的演算法時間復雜度由小到大依次為：
Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)Ο(1)表示基本語句的執行次數是一個常數，一般來說，只要演算法中不存在循環語句，其時間復雜度就是Ο(1)。Ο(log2n)、Ο(n)、Ο(nlog2n)、Ο(n2)和Ο(n3)稱為多項式時間，而Ο(2n)和Ο(n!)稱為指數時間。計算機科學家普遍認為前者是有效演算法，把這類問題稱為P類問題，而把後者稱為NP問題。
這只能基本的計算時間復雜度，具體的運行還會與硬體有關。

㈣ 數學上的 設計一個演算法計算1+3+5+……+2011

1=1的平方

1+3=4=2的平方
1+3+5=9=3的平方
--- ---
1+3+5+---+2011=1006的平方=1012036

【希望採納，謝謝】

㈤ 演算法怎麼計算的

首先我復制粘貼的，還有就是演算法復雜，如果你的心算能力強就會更快些！ 陽歷日期推算陰歷日期的方法： 陰歷日期是以月亮的圓缺為計月單位，其以逢朔為初一，以月望為十五（大月為十六日），以月晦為二十九日（大月為三十日）。然而目前記時通常...

㈥ 怎麼計算，計算方法

算理和演算法既有聯系，又有區別。算理主要回答「為什麼這樣算」的問題；演算法是主要解決「怎樣計算」的問題。算理是計算的依據，是演算法的基礎，而演算法則是依據算理提煉出來的計算方法和規則，它是算理的具體體現。算理為計算提供了正確的思維方式，保證了計算的合理性和可行性；演算法為計算提供了便捷的操作程序和方法，保證了計算的正確性和快速性。算理和演算法是計算教學中相輔相成、缺一不可的兩個方面。
處理好算理與演算法的關系對於突出計算教學核心，抓住計算教學關鍵具有重要的作用。當前，計算教學中「走極端」的現象實質上是沒有正確處理好算理與演算法之間關系的結果。一些教師受傳統教學思想、教學方法的支配，計算教學只注重計算結果和計算速度，一味強化演算法演練，忽視算理的推導，教學方式「以練代想」，學生「知其然，不知其所以然」，導致教學偏向「重演算法、輕算理」的極端。與此相反，一些教師片面理解了新課程理念和新教材，他們把過多的時間用在形式化的情境創設、動手操作、自主探索、合作交流上，在理解算理上大做文章，過分強調為什麼這樣算，還可以怎樣算，卻缺少對演算法的提煉與鞏固，造成學生理解算理過繁，掌握演算法過軟，形成技能過難，教學走向「重算理、輕演算法」的另一極端。
處理計算教學中算理與演算法的關系應注意以下五點：一是算理與演算法是計算教學中有機統一的整體，形式上可分，實質上不可分，重演算法必須重算理，重算理也要重演算法；二是計算教學的問題情境既為引出新知服務，體現「學以致用」，也為理解算理、提煉演算法服務，教學要注意在「學用結合」的基礎上，以理解算理，掌握演算法，形成技能為主；三是算理教學需藉助直觀，引導學生經歷自主探索、充分感悟的過程，但要把握好演算法提煉的時機和教學的「度」，為演算法形成與鞏固提供必要的練習保證；四是演算法形成不能依賴形式上的模仿，而要依靠算理的透徹理解，只有在真正理解算理的基礎上掌握演算法、形成計算技能，才能算是找到了算理與演算法的平衡點；五是要防止算理與演算法之間出現斷痕或硬性對接，要充分利用例題或「試一試」中的「可以怎樣算？」「在小組里說一說，計算時要注意什麼？

㈦ 計算方法是什麼

計算方法又稱「數值分析」。是為各種數學問題的數值解答研究提供最有效的演算法。主要內容為函數逼近論，數值微分，數值積分，誤差分析等。常用方法有迭代法、差分法、插值法、有限元素法等。現代的計算方法還要求適應電子計算機的特點。數值分析即「計算方法」

㈧ 一個演算法的『計算量』該如何量化

這問題提的好。衡量演算法開銷通常使用O()運算符由於同一個演算法運行於不同的機器上所耗費的實際時間是不同的,所以不能使用實際時間單位衡量演算法運行效率,而應使用邏輯單位。描述演算法復雜度的參數為演算法的輸入數據規模,通常用n來表示,那麼演算法的復雜度可表示為一個關於n的函數。通常最常用的描述演算法復雜度的符號為O符號,即將復雜度表示為O(f(n))。其中f(n)用函數形式描述演算法執行命令條數與輸入規模n的關系,而O()起到估算化簡的作用。比如某個演算法經過邏輯分析後,其指令數可表示為f(n)=8n^2+10n+500,那麼可以使用O(f(n))來簡化其表達,O()符號運算性質有多條,總體來說就是保留增長率最高的項且忽略常數系數,上面的表達式化簡結果為O(n^2)。當然O()符號不能完美描述演算法開銷,因為它忽略了常數的影響,當某些項前的常數系數非常非常大時,會對演算法復雜度的判斷造成誤差,這就要具體問題具體分析了。下面簡單說一下具體如何分析。for (i = 0;ik *= i;}這段代碼每次循環中執行一次乘法兩次賦值(假定乘法使用單周期乘法器實現),循環開始執行一次賦值,那麼共計執行指令數3n+1,即復雜度為O(n)。for (i = 0;ifor (j = 0;jk += i * j;}循環嵌套時,內層循環執行3n+1條指令,外層循環n次,共n*(3n+1)+1=3n^2 + n +1條指令,即O(n^2)。