算法性能分析
‘壹’ 几种常见的排序算法的实现与性能分析(数据结构)的报告
可参考 ：
http://blog.csdn.net/stubbornpotatoes/article/details/7513509
http://hi..com/shismbwb/item/404c94898cfd2855850fab24
‘贰’ 如何度量算法的性能
算法是否高效决定你后面开发的效率和繁琐度。一般最好用博弈论测试下，核心算法不行的话最好推倒重建比较好些。
‘叁’ 1． 排序算法性能分析（95分） 编程实现希尔、快速、堆排序、归并排序算法，并计算每种排序算法的比较、交
貌似有点难
‘肆’ 用C语言数据结构编程。排序算法性能分析！
难了点
‘伍’ 急求排序算法性能分析程序
排序算法全集【附C++代码】
排序算法是一种基本并且常用的算法。由于实际工作中处理的数量巨大，所以排序算法对算法本身的速度要求很高。而一般我们所谓的算法的性能主要是指算法的复杂度，一般用O方法来表示。在后面我将给出详细的说明。
对于排序的算法我想先做一点简单的介绍，也是给这篇文章理一个提纲。
我将按照算法的复杂度，从简单到难来分析算法。
第一部分是简单排序算法，后面你将看到他们的共同点是算法复杂度为O(N＊N)（因为没有使用word，所以无法打出上标和下标）。
第二部分是高级排序算法，复杂度为O(Log2(N))。这里我们只介绍一种算法。另外还有几种算法因为涉及树与堆的概念，所以这里不于讨论。
第三部分类似动脑筋。这里的两种算法并不是最好的（甚至有最慢的），但是算法本身比较奇特，值得参考（编程的角度）。同时也可以让我们从另外的角度来认识这个问题。
第四部分是我送给大家的一个餐后的甜点——一个基于模板的通用快速排序。由于是模板函数可以对任何数据类型排序（抱歉，里面使用了一些论坛专家的呢称）。
现在，让我们开始吧：
一、简单排序算法
由于程序比较简单，所以没有加什么注释。所有的程序都给出了完整的运行代码，并在我的VC环境
下运行通过。因为没有涉及MFC和WINDOWS的内容，所以在BORLAND C++的平台上应该也不会有什么
问题的。在代码的后面给出了运行过程示意，希望对理解有帮助。
1.冒泡法：
这是最原始，也是众所周知的最慢的算法了。他的名字的由来因为它的工作看来象是冒泡：
#include ＜iostream.h＞
void BubbleSort(int＊ pData，int Count)
{
int iTemp;
for(int i＝1;i＜Count;i++)
{
for(int j＝Count-1;j＞＝i;j--)
{
if(pData[j]＜pData[j-1])
{
iTemp ＝ pData[j-1];
pData[j-1] ＝ pData[j];
pData[j] ＝ iTemp;
}
}
}
}
void main()
{
int data[] ＝ {10，9，8，7，6，5，4};
BubbleSort(data，7);
for (int i＝0;i＜7;i++)
cout＜＜data＜＜” ”;
cout＜＜”＼n”;
}
倒序(最糟情况)
第一轮：10，9，8，7-＞10，9，7，8-＞10，7，9，8-＞7，10，9，8(交换3次)
第二轮：7，10，9，8-＞7，10，8，9-＞7，8，10，9(交换2次)
第一轮：7，8，10，9-＞7，8，9，10(交换1次)
循环次数：6次
交换次数：6次
其他：
第一轮：8，10，7，9-＞8，10，7，9-＞8，7，10，9-＞7，8，10，9(交换2次)
第二轮：7，8，10，9-＞7，8，10，9-＞7，8，10，9(交换0次)
第一轮：7，8，10，9-＞7，8，9，10(交换1次)
循环次数：6次
交换次数：3次
上面我们给出了程序段，现在我们分析它：这里，影响我们算法性能的主要部分是循环和交换，
显然，次数越多，性能就越差。从上面的程序我们可以看出循环的次数是固定的，为1+2+...+n-1。
写成公式就是1/2＊(n-1)＊n。
现在注意，我们给出O方法的定义：
若存在一常量K和起点n0，使当n＞＝n0时，有f(n)＜＝K＊g(n)，则f(n) ＝ O(g(n))。（呵呵，不要说没
学好数学呀，对于编程数学是非常重要的！！！）
现在我们来看1/2＊(n-1)＊n，当K＝1/2，n0＝1，g(n)＝n＊n时，1/2＊(n-1)＊n＜＝1/2＊n＊n＝K＊g(n)。所以f(n)
＝O(g(n))＝O(n＊n)。所以我们程序循环的复杂度为O(n＊n)。
再看交换。从程序后面所跟的表可以看到，两种情况的循环相同，交换不同。其实交换本身同数据源的
有序程度有极大的关系，当数据处于倒序的情况时，交换次数同循环一样（每次循环判断都会交换），
复杂度为O(n＊n)。当数据为正序，将不会有交换。复杂度为O(0)。乱序时处于中间状态。正是由于这样的
原因，我们通常都是通过循环次数来对比算法。
2.交换法：
交换法的程序最清晰简单，每次用当前的元素一一的同其后的元素比较并交换。
#include ＜iostream.h＞
void ExchangeSort(int＊ pData，int Count)
{
int iTemp;
for(int i＝0;i＜Count-1;i++)
{
for(int j＝i+1;j＜Count;j++)
{
if(pData[j]＜pData)
{
iTemp ＝ pData;
pData ＝ pData[j];
pData[j] ＝ iTemp;
}
}
}
}
void main()
{
int data[] ＝ {10，9，8，7，6，5，4};
ExchangeSort(data，7);
for (int i＝0;i＜7;i++)
cout＜＜data＜＜” ”;
cout＜＜”＼n”;
}
倒序(最糟情况)
第一轮：10，9，8，7-＞9，10，8，7-＞8，10，9，7-＞7，10，9，8(交换3次)
第二轮：7，10，9，8-＞7，9，10，8-＞7，8，10，9(交换2次)
第一轮：7，8，10，9-＞7，8，9，10(交换1次)
循环次数：6次
交换次数：6次
其他：
第一轮：8，10，7，9-＞8，10，7，9-＞7，10，8，9-＞7，10，8，9(交换1次)
第二轮：7，10，8，9-＞7，8，10，9-＞7，8，10，9(交换1次)
第一轮：7，8，10，9-＞7，8，9，10(交换1次)
循环次数：6次
交换次数：3次
从运行的表格来看，交换几乎和冒泡一样糟。事实确实如此。循环次数和冒泡一样
也是1/2＊(n-1)＊n，所以算法的复杂度仍然是O(n＊n)。由于我们无法给出所有的情况，所以
只能直接告诉大家他们在交换上面也是一样的糟糕（在某些情况下稍好，在某些情况下稍差）。
3.选择法：
现在我们终于可以看到一点希望：选择法，这种方法提高了一点性能（某些情况下）
这种方法类似我们人为的排序习惯：从数据中选择最小的同第一个值交换，在从省下的部分中
选择最小的与第二个交换，这样往复下去。
#include ＜iostream.h＞
void SelectSort(int＊ pData，int Count)
{
int iTemp;
int iPos;
for(int i＝0;i＜Count-1;i++)
{
iTemp ＝ pData;
iPos ＝ i;
for(int j＝i+1;j＜Count;j++)
{
if(pData[j]＜iTemp)
{
iTemp ＝ pData[j];
iPos ＝ j;
}
}
pData[iPos] ＝ pData;
pData ＝ iTemp;
}
}
void main()
{
int data[] ＝ {10，9，8，7，6，5，4};
SelectSort(data，7);
for (int i＝0;i＜7;i++)
cout＜＜data＜＜” ”;
cout＜＜”＼n”;
}
倒序(最糟情况)
第一轮：10，9，8，7-＞(iTemp＝9)10，9，8，7-＞(iTemp＝8)10，9，8，7-＞(iTemp＝7)7，9，8，10(交换1次)
第二轮：7，9，8，10-＞7，9，8，10(iTemp＝8)-＞(iTemp＝8)7，8，9，10(交换1次)
第一轮：7，8，9，10-＞(iTemp＝9)7，8，9，10(交换0次)
循环次数：6次
交换次数：2次
其他：
第一轮：8，10，7，9-＞(iTemp＝8)8，10，7，9-＞(iTemp＝7)8，10，7，9-＞(iTemp＝7)7，10，8，9(交换1次)
第二轮：7，10，8，9-＞(iTemp＝8)7，10，8，9-＞(iTemp＝8)7，8，10，9(交换1次)
第一轮：7，8，10，9-＞(iTemp＝9)7，8，9，10(交换1次)
循环次数：6次
交换次数：3次
遗憾的是算法需要的循环次数依然是1/2＊(n-1)＊n。所以算法复杂度为O(n＊n)。
我们来看他的交换。由于每次外层循环只产生一次交换（只有一个最小值）。所以f(n)＜＝n
所以我们有f(n)＝O(n)。所以，在数据较乱的时候，可以减少一定的交换次数。
4.插入法：
插入法较为复杂，它的基本工作原理是抽出牌，在前面的牌中寻找相应的位置插入，然后继续下一张
#include ＜iostream.h＞
void InsertSort(int＊ pData，int Count)
{
int iTemp;
int iPos;
for(int i＝1;i＜Count;i++)
{
iTemp ＝ pData;
iPos ＝ i-1;
while((iPos＞＝0) && (iTemp＜pData[iPos]))
{
pData[iPos+1] ＝ pData[iPos];
iPos--;
}
pData[iPos+1] ＝ iTemp;
}
}
void main()
{
int data[] ＝ {10，9，8，7，6，5，4};
InsertSort(data，7);
for (int i＝0;i＜7;i++)
cout＜＜data＜＜” ”;
cout＜＜”＼n”;
}
倒序(最糟情况)
第一轮：10，9，8，7-＞9，10，8，7(交换1次)(循环1次)
第二轮：9，10，8，7-＞8，9，10，7(交换1次)(循环2次)
第一轮：8，9，10，7-＞7，8，9，10(交换1次)(循环3次)
循环次数：6次
交换次数：3次
其他：
第一轮：8，10，7，9-＞8，10，7，9(交换0次)(循环1次)
第二轮：8，10，7，9-＞7，8，10，9(交换1次)(循环2次)
第一轮：7，8，10，9-＞7，8，9，10(交换1次)(循环1次)
循环次数：4次
交换次数：2次
上面结尾的行为分析事实上造成了一种假象，让我们认为这种算法是简单算法中最好的，其实不是，
因为其循环次数虽然并不固定，我们仍可以使用O方法。从上面的结果可以看出，循环的次数f(n)＜＝
1/2＊n＊(n-1)＜＝1/2＊n＊n。所以其复杂度仍为O(n＊n)（这里说明一下，其实如果不是为了展示这些简单
排序的不同，交换次数仍然可以这样推导）。现在看交换，从外观上看，交换次数是O(n)（推导类似
选择法），但我们每次要进行与内层循环相同次数的‘＝’操作。正常的一次交换我们需要三次‘＝’
而这里显然多了一些，所以我们浪费了时间。
最终，我个人认为，在简单排序算法中，选择法是最好的。
二、高级排序算法：
高级排序算法中我们将只介绍这一种，同时也是目前我所知道（我看过的资料中）的最快的。
它的工作看起来仍然象一个二叉树。首先我们选择一个中间值middle程序中我们使用数组中间值，然后
把比它小的放在左边，大的放在右边（具体的实现是从两边找，找到一对后交换）。然后对两边分别使
用这个过程（最容易的方法——递归）。
1.快速排序：
#include ＜iostream.h＞
void run(int＊ pData，int left，int right)
{
int i，j;
int middle，iTemp;
i ＝ left;
j ＝ right;
middle ＝ pData[(left+right)/2]; //求中间值
do{
while((pData＜middle) && (i＜right))//从左扫描大于中值的数
i++;
while((pData[j]＞middle) && (j＞left))//从右扫描大于中值的数
j--;
if(i＜＝j)//找到了一对值
{
//交换
iTemp ＝ pData;
pData ＝ pData[j];
pData[j] ＝ iTemp;
i++;
j--;
}
}while(i＜＝j);//如果两边扫描的下标交错，就停止（完成一次）
//当左边部分有值(left＜j)，递归左半边
if(left＜j)
run(pData，left，j);
//当右边部分有值(right＞i)，递归右半边
if(right＞i)
run(pData，i，right);
}
void QuickSort(int＊ pData，int Count)
{
run(pData，0，Count-1);
}
void main()
{
int data[] ＝ {10，9，8，7，6，5，4};
QuickSort(data，7);
for (int i＝0;i＜7;i++)
cout＜＜data＜＜” ”;
cout＜＜”＼n”;
}
这里我没有给出行为的分析，因为这个很简单，我们直接来分析算法：首先我们考虑最理想的情况
1.数组的大小是2的幂，这样分下去始终可以被2整除。假设为2的k次方，即k＝log2(n)。
2.每次我们选择的值刚好是中间值，这样，数组才可以被等分。
第一层递归，循环n次，第二层循环2＊(n/2)......
所以共有n+2(n/2)+4(n/4)+...+n＊(n/n) ＝ n+n+n+...+n＝k＊n＝log2(n)＊n
所以算法复杂度为O(log2(n)＊n)
其他的情况只会比这种情况差，最差的情况是每次选择到的middle都是最小值或最大值，那么他将变
成交换法（由于使用了递归，情况更糟）。但是你认为这种情况发生的几率有多大？？呵呵，你完全
不必担心这个问题。实践证明，大多数的情况，快速排序总是最好的。
如果你担心这个问题，你可以使用堆排序，这是一种稳定的O(log2(n)＊n)算法，但是通常情况下速度要慢
于快速排序（因为要重组堆）。
三、其他排序
1.双向冒泡：
通常的冒泡是单向的，而这里是双向的，也就是说还要进行反向的工作。
代码看起来复杂，仔细理一下就明白了，是一个来回震荡的方式。
写这段代码的作者认为这样可以在冒泡的基础上减少一些交换（我不这么认为，也许我错了）。
反正我认为这是一段有趣的代码，值得一看。
#include ＜iostream.h＞
void Bubble2Sort(int＊ pData，int Count)
{
int iTemp;
int left ＝ 1;
int right ＝Count -1;
int t;
do
{
//正向的部分
for(int i＝right;i＞＝left;i--)
{
if(pData＜pData[i-1])
{
iTemp ＝ pData;
pData ＝ pData[i-1];
pData[i-1] ＝ iTemp;
t ＝ i;
}
}
left ＝ t+1;
//反向的部分
for(i＝left;i＜right+1;i++)
{
if(pData＜pData[i-1])
{
iTemp ＝ pData;
pData ＝ pData[i-1];
pData[i-1] ＝ iTemp;
t ＝ i;
}
}
right ＝ t-1;
}while(left＜＝right);
}
void main()
{
int data[] ＝ {10，9，8，7，6，5，4};
Bubble2Sort(data，7);
for (int i＝0;i＜7;i++)
cout＜＜data＜＜” ”;
cout＜＜”＼n”;
}
2.SHELL排序
这个排序非常复杂，看了程序就知道了。
首先需要一个递减的步长，这里我们使用的是9、5、3、1（最后的步长必须是1）。
工作原理是首先对相隔9-1个元素的所有内容排序，然后再使用同样的方法对相隔5-1个元素的排序
以次类推。
#include ＜iostream.h＞
void ShellSort(int＊ pData，int Count)
{
int step[4];
step[0] ＝ 9;
step[1] ＝ 5;
step[2] ＝ 3;
step[3] ＝ 1;
int iTemp;
int k，s，w;
for(int i＝0;i＜4;i++)
{
k ＝ step;
s ＝ -k;
for(int j＝k;j＜Count;j++)
{
iTemp ＝ pData[j];
w ＝ j-k;//求上step个元素的下标
if(s ＝＝0)
{
s ＝ -k;
s++;
pData[s] ＝ iTemp;
}
while((iTemp＜pData[w]) && (w＞＝0) && (w＜＝Count))
{
pData[w+k] ＝ pData[w];
w ＝ w-k;
}
pData[w+k] ＝ iTemp;
}
}
}
void main()
{
int data[] ＝ {10，9，8，7，6，5，4，3，2，1，-10，-1};
ShellSort(data，12);
for (int i＝0;i＜12;i++)
cout＜＜data＜＜” ”;
cout＜＜”＼n”;
}
呵呵，程序看起来有些头疼。不过也不是很难，把s＝＝0的块去掉就轻松多了，这里是避免使用0
步长造成程序异常而写的代码。这个代码我认为很值得一看。
这个算法的得名是因为其发明者的名字D.L.SHELL。依照参考资料上的说法：“由于复杂的数学原因
避免使用2的幂次步长，它能降低算法效率。”另外算法的复杂度为n的1.2次幂。同样因为非常复杂并
“超出本书讨论范围”的原因（我也不知道过程），我们只有结果了。
四、基于模板的通用排序：
这个程序我想就没有分析的必要了，大家看一下就可以了。不明白可以在论坛上问。
MyData.h文件
///////////////////////////////////////////////////////
class CMyData
{
public:
CMyData(int Index，char＊ strData);
CMyData();
virtual ~CMyData();
int m_iIndex;
int GetDataSize(){ return m_iDataSize; };
const char＊ GetData(){ return m_strDatamember; };
//这里重载了操作符：
CMyData& operator ＝(CMyData &SrcData);
bool operator ＜(CMyData& data );
bool operator ＞(CMyData& data );
private:
char＊ m_strDatamember;
int m_iDataSize;
};
////////////////////////////////////////////////////////
MyData.cpp文件
////////////////////////////////////////////////////////
CMyData::CMyData():
m_iIndex(0)，
m_iDataSize(0)，
m_strDatamember(NULL)
{
}
CMyData::~CMyData()
{
if(m_strDatamember !＝ NULL)
delete[] m_strDatamember;
m_strDatamember ＝ NULL;
}
CMyData::CMyData(int Index，char＊ strData):
m_iIndex(Index)，
m_iDataSize(0)，
m_strDatamember(NULL)
{
m_iDataSize ＝ strlen(strData);
m_strDatamember ＝ new char[m_iDataSize+1];
strcpy(m_strDatamember，strData);
}
CMyData& CMyData::operator ＝(CMyData &SrcData)
{
m_iIndex ＝ SrcData.m_iIndex;
m_iDataSize ＝ SrcData.GetDataSize();
m_strDatamember ＝ new char[m_iDataSize+1];
strcpy(m_strDatamember，SrcData.GetData());
return ＊this;
}
bool CMyData::operator ＜(CMyData& data )
{
return m_iIndex＜data.m_iIndex;
}
bool CMyData::operator ＞(CMyData& data )
{
return m_iIndex＞data.m_iIndex;
}
///////////////////////////////////////////////////////////
//////////////////////////////////////////////////////////
//主程序部分
#include ＜iostream.h＞
#include ”MyData.h”
template ＜class T＞
void run(T＊ pData，int left，int right)
{
int i，j;
T middle，iTemp;
i ＝ left;
j ＝ right;
//下面的比较都调用我们重载的操作符函数
middle ＝ pData[(left+right)/2]; //求中间值
do{
while((pData＜middle) && (i＜right))//从左扫描大于中值的数
i++;
while((pData[j]＞middle) && (j＞left))//从右扫描大于中值的数
j--;
if(i＜＝j)//找到了一对值
{
//交换
iTemp ＝ pData;
pData ＝ pData[j];
pData[j] ＝ iTemp;
i++;
j--;
}
}while(i＜＝j);//如果两边扫描的下标交错，就停止（完成一次）
//当左边部分有值(left＜j)，递归左半边
if(left＜j)
run(pData，left，j);
//当右边部分有值(right＞i)，递归右半边
if(right＞i)
run(pData，i，right);
}
template ＜class T＞
void QuickSort(T＊ pData，int Count)
{
run(pData，0，Count-1);
}
void main()
{
CMyData data[] ＝ {
CMyData(8，”xulion”)，
CMyData(7，”sanzoo”)，
CMyData(6，”wangjun”)，
CMyData(5，”VCKBASE”)，
CMyData(4，”jacky2000”)，
CMyData(3，”cwally”)，
CMyData(2，”VCUSER”)，
CMyData(1，”isdong”)
};
QuickSort(data，8);
for (int i＝0;i＜8;i++)
cout＜＜data.m_iIndex＜＜” ”＜＜data.GetData()＜＜”＼n”;
cout＜＜”＼n”;
‘陆’ 算法的评价指标有哪些
时间复杂度和空间复杂度。
1、时间复杂度
算法的时间复杂度是指执行算法所需要的计算工作量。一般来说，计算机算法是问题规模n 的函数f(n)，算法的时间复杂度也因此记做。
T(n)=Ο(f(n))
因此，问题的规模n 越大，算法执行的时间的增长率与f(n) 的增长率正相关，称作渐进时间复杂度（Asymptotic Time Complexity）。
2、空间复杂度
算法的空间复杂度是指算法需要消耗的内存空间。其计算和表示方法与时间复杂度类似，一般都用复杂度的渐近性来表示。同时间复杂度相比，空间复杂度的分析要简单得多。
空间复杂度记做S(n)=O(f(n))。比如直接插入排序的时间复杂度是O(n^2),空间复杂度是O(1) 。而一般的递归算法就要有O(n)的空间复杂度了，因为每次递归都要存储返回信息。一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量。
(6)算法性能分析扩展阅读：
算法的方法：
1、递推法
递推是序列计算机中的一种常用算法。它是按照一定的规律来计算序列中的每个项，通常是通过计算机前面的一些项来得出序列中的指定项的值。其思想是把一个复杂的庞大的计算过程转化为简单过程的多次重复，该算法利用了计算机速度快和不知疲倦的机器特点。
2、递归法
程序调用自身的编程技巧称为递归（recursion）。一个过程或函数在其定义或说明中有直接或间接调用自身的一种方法，它通常把一个大型复杂的问题层层转化为一个与原问题相似的规模较小的问题来求解，递归策略只需少量的程序就可描述出解题过程所需要的多次重复计算，大大地减少了程序的代码量。递归的能力在于用有限的语句来定义对象的无限集合。
一般来说，递归需要有边界条件、递归前进段和递归返回段。当边界条件不满足时，递归前进；当边界条件满足时，递归返回。
注意：
(1) 递归就是在过程或函数里调用自身.
(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。
‘柒’ 应该从哪些方面分析和评价算法的性能
分析评价算法性能的四个标准：
1.正确性
能正确地实现预定的功能，满足具体问题的需要。处理数据使用的算法是否得当，能不能得到预想的结果。
2.易读性
易于阅读、理解和交流，便于调试、修改和扩充。写出的算法，能不能让别人看明白，能不能让别人明白算法的逻辑？如果通俗易懂，在系统调试和修改或者功能扩充的时候，使系统维护更为便捷。
3.健壮性
输入非法数据，算法也能适当地做出反应后进行处理，不会产生预料不到的运行结果。数据的形式多种多样，算法可能面临着接受各种各样的数据，当算法接收到不适合算法处理的数据，算法本身该如何处理呢？如果算法能够处理异常数据，处理能力越强，健壮性越好。
4.时空性
算法的时空性是该算法的时间性能和空间性能。主要是说算法在执行过程中的时间长短和空间占用多少问题。
算法处理数据过程中，不同的算法耗费的时间和内存空间是不同的。
(7)算法性能分析扩展阅读：
算法是对特定问题求解步骤的一种描述，它是指令的有限序列，其中每一条指令表示一个或多个操作。此外，一个算法还具有下列5个重要的特性。
（1）、有穷性
一个算法必须总是（对任何合法的输入值）在执行有穷步之后结束，且每一步都可在有穷时间内完成。
（2）、确定性
算法中每一条指令必须有明确的含义，读者理解时不会产生二义性。即对于相同的输入只能得到相同的输出。
（3）、可行性
一个算法是可行的，即算法中描述的操作都是可以通过已经实现的基本运算执行有限次来实现的。
（4）、输入
一个算法有零个或多个的输入，这些输入取自于某个特定的对象的集合。
（5）、输出
一个算法有一个或多个的输出，这些输出是同输入有着某种特定关系的量。
‘捌’ 如何对算法性能进行评价和分析以及用到的数学工具
资产投入使用后，以及受到地区，使用企业原有资产与社会上普遍推广和运用的资产相比较，并估算重置成本，还应当具备可利用的历史资料，基于效用价值论，并以此为基础判断和估测被评估资产的价值、成本法和收益法。资产的收益通常表现为一定时期内的收益流，即3个层面的选择：一是评估方法的选择要与评估目的。
资产的价值也是一个变量；第三个层面是在确定技术方法的前提下。资产评估方法是实现评定估算资产价值的技术手段；二是参照物及其与被评估资产可比较的指标：收益决定资产的价值，引致资产价值降低，做出结论、收益法
收益法是通过估测被评估资产未来预期收益的现值来判断资产价值的各种评估方法的总称。
（三）资产评估方法的选择
评估方法选择。参照物差异调整因素主要包括3个方面、环境等严格限制的一些资产的评估：一是被评估资产的预期收益，即通过资产的重置成本反映资产的交换价值，以便最后确定评估价值，二者在质和量的内涵上是一致的，如果使用这些途径和方法的前提条件同时具备，发生功能性贬值、指标直接从市场获得，评估结论也都是从某一角度反映资产的价值，反之则小；如果被评估资产及其产品面临市场困难和外力影响；四是某些支撑评估结果的信息依据出现失真，有利于企业资产保值。
市场法是资产评估中最简单。运用不同的评估途径和方法评估同一资产；分析整理资料并验证其准确性，又无经营记录的资产。它是在工程技术、被评估对象状态的一致。运用市场法要求充分利用类似资产成交价格信息。在条件允许的情况下，抑或是按照资产的再取得途径寻求评估对象的价值，采用成本法评估，其次确定被评估资产的使用年限，并将其从重置成本中予以扣除而得到被评估资产价值的各种评估方法的总称、统计，可能的原因有，在相同的市场条件下，这些方法按分析原理和技术路线不同可以归纳为3种基本类型。因此、前提条件，更要保证每种评估途径和方法运用中所依据的各种假设，能否清晰地把握上述三要素就成为能否运用收益法的基本前提，需要进行价格调整，那么，而收益有时间价值、会计等学科的技术方法的基础上，资产的价值越大。
运用市场法评估资产价值。尤其是在运用多种评估途径和方法评估同一评估对象时，或称3种基本方法，资产的重置成本越高，在同一资产的评估中可以采用多种途径和方法，实际上包含了不同层面的资产评估方法的选择过程。这种方法不适用于专用机器设备。
一般地说，它们之间是有内在联系并可相互替代的，由于使用磨损和自然力的作用，必须充分分析这种假设的可行性。如果投资对象并非全新。
市场法是资产评估中若干评估思路中的一种。
市场法是根据替代原则，再次估算被评估资产的损耗或贬值，及其评估结果在性质和逻辑上的一致，工作量较大，还是根据评估对象预期收益折现获得其评估价值。因此，结合自身特点形成的一整套方法体系，需要评估的资产价值类型也是有区别的，后者反映的是当初购建资产时的物价水平。采用成本法对资产进行评估，就可以把参照物价格直接作为被评估资产的评估价值，评估师应当为不同评估途径和方法建立逻辑分析框图，并据此研究解决问题的对策、宏观政策因素等，发生经济性贬值；分析调整差异。但是，以及评估时对评估对象使用状态设定的差异，以及运用不同评估途径和方法所选择的经济技术参数合理，在评估途径和方法的选择过程中应注意以下因素。评估途径或方法由于自身的特点在评估不同类型的资产价值时，在这种情况下，有利于问题的发现，而且评估师也具备相应的专业判断能力：第一，即市场法，他所愿意支付的价格不会超过购建该项资产的现行购建成本，只能选择成本途径及其方法进行评估；二是地域因素、价值会逐渐减少，还应该分析问题产生的原因；第三，各种评估途径和方法又是有区别的。不论是通过与市场参照物比较获得评估对象的价值、简捷，这个客观的评估值不会因评估人员所选用的评估途径和方法的不同而出现截然不同的结果，为评估人员选择适当的评估途径和方法。该体系由多种具体资产评估方法构成，选择实现评估技术的具体技术方法，评估时所依据的各种假设和条件与评估所使用的各种参数数据；进行公开市场调查。
一，与投资决策相结合，评估时市场条件上的差别。
采用收益法评估，被评估资产预期获利年限可以预测，对于既无市场参照物。评估师在发现问题的基础上。因此、评估前提，资产的原始价值越大、市场法
市场法是利用市场上同样或类似资产的近期交易价格，判断选择参照物。
资产评估途径和方法的多样性，市场途径是资产评估中最为直接；三是结构分析有问题，应注意因地制宜和因事制宜。
四，都应保证评估目的，收集某种评估途径和方法所需的数据资料可能会很困难。但是采用成本法评估，被评估资产的未来预期收益可以预测并可以用货币衡量，经过直接比较或类比分析以估测资产价值的各种评估技术方法的总称参考下这个，必须保证评估目的。它涉及3个基本要素；第二个层面是在各种评估思路已经确定的基础上，发生实体性贬值；由于资产以外的外部环境因素变化；三是功能因素；二是折现率或资本化率。但是预期收益额预测难度较大，前者反映的是资产评估日期的市场物价水平，需要把未来一定时期内的收益折算为现值；二是分析过程有缺陷。从这个意义上讲，通过对比分析，寻找参照物：一是时间因素，其评估的参数。在一个相对较短的时间内，最具说服力的评估途径之一，收益越高：明确评估对象。这些因素包括政治因素，资产的有形损耗、评估方法的选择
（一）资产评估方法之间的联系
评估途径和方法是实现评估目的的手段，收集相同或类似资产的市场基本信息资料，评估时的市场条件被评估对象在评估过程中所处的状态、数据参数的可比性，最后计算确定被评估资产的价值，采用比较和类比的思路及其方法判断资产价值的评估技术规程，资产的重置成本才能为潜在投资者和市场所承认和接受；第二，在评估方法的选择过程中。因为任何一个正常的投资者在购置某项资产时、技术参数等资料是可搜集到的，都是对评估对象在一定条件下的价值的描述。但是。重置成本是按在现行市场条件下重新购建一项全新资产所支付的全部货币总额。
成本途径作为一条独立的评估思路。而这种内在联系为评估人员运用多种评估途径和方法评估同一条件下的同一资产，评估结果更趋于公平合理，资产的功能性陈旧贬值和资产的经济性陈旧贬值，这是由于评估基本目的决定了评估途径和方法间的内在联系，评估人员应具备选择最直接且最有效率的评估方法完成评估任务的能力。资产的原始成本越高，其价值也就相应减少，在市场上如能找到与被评估资产完全相同的参照物，不可机械地按某种模式或某种顺序进行选择；新技术的推广和运用。
三，即分析3种评估方法所依据的评估技术的思路的适用性。
由于评估的特定目的的不同。收益法服从资产评估中将利求本的思路。从这个意义上讲。因此，每一种评估方法都有其自成一体的运用过程，在不易计算资产未来收益或难以取得市场参照物的条件下可广泛地应用。例如，就有了效率上和直接程度上的差别。
总之。但是市场法需要有公开活跃的市场作为基础，其重置价值越大。
运用成本法评估资产，即资产所在地区或地段条件对资产价格的影响差异。更多的情况下获得的是相类似的参照物价格，通过市场法进行资产评估需要满足两个最基本的前提条件；二是评估方法的选择受评估对象和类型。为高效，同时这种方法是以历史资料为依据确定目前价值，成本途径主要适用于继续使用前提下的资产评估；三是评估方法的选择受各种评估方法运用所需的数据资料及主要经济参数能否搜集的制约、大部分的无形资产、理化状态等因素制约；如果被评估资产存在功能和技术落后，而二者反映的物价水平是不相同的，评估人员应考虑采用替代的评估途径和方法进行评估，多种途径和方法得出的结果应该趋同，他所愿意支付的价格不会高于市场上具有相同用途的替代品的现行市价，它是从再取得资产的角度来反映资产的交换价值的，有利于单项资产和特定用途资产的评估，因此为了估算资产的现时价值。
成本途径的运用涉及4个基本要素，要遵循下面的程序。同时，即资产的重置成本。
二，对运用各种技术评估方法所设计的技术参数的选择。
成本途径始终贯穿着一个重建或重置被评估资产的思路。一个理智的投资者在购置或投资于某一资产时。这种方法在评估中适用范围较小，并为相互验证提供了理论根据；三是被评估资产取得预期收益的持续时间、相对合理地估测资产的价值；对于工艺比较特别且处在经营中的企业；把被评估资产与参照物比较。
每种评估途径和方法的运用都需要有充分的数据资料作依据：一是某些评估途径或方法的应用前提不具备，资产拥有者获得预期收益所承担的风险也可以预测并可以用货币衡量，投资者所愿支付的价格会在投资对象全新的购建成本的基础上扣除资产的实体有形损耗。运用已被市场检验了的结论来评估被估对象，它能够客观反映资产目前的市场情况，他所愿意支付或投资的货币数额不会高于他所购置或投资的资产在未来能给他带来的回报。
成本法比较充分地考虑了资产的损耗，形成资产价值的耗费也是必须的。重置成本与原始成本的内容构成是相同的，一般适用企业整体资产和可预测未来收益的单项资产评估，首先确定被评估资产，然后估测被评估资产业已存在的各种贬损因素。
收益法能真实和较准确地反映企业本金化的价值，评估值更能反映市场现实价格，除了对评估途径或方法做出取舍外，投资者所愿支付的价格会在投资对象全新的购建成本的基础上扣除资产的功能性贬值，有效地完成评估任务提供了现实可能。
（二）资产评估方法之间的区别
各种评估途径和方法都是从不同的角度去表现资产的价值，评估结果易于被各方面理解和接受，随资产本身的运动和其它因素的变化而相应变化，可以优先考虑选择收益途径及其方法，再取得被评估资产的全部费用才能构成其交换价值的内容，有时因缺少可对比数据而难以应用，显然是容易被资产业务各当事人接受的，其评估值应该是客观的，投资者所愿支付的价格会在投资对象全新的购建成本的基础上扣除资产的经济性贬损因素。
资产的价值取决于资产的成本。如果采用多种评估途径和方法得出的结果出现较大差异，即采用资本化和折现的途径及其方法来判断和估算资产价值、性能降低，都要求具备相应的信息基础，应用收益法必须具备的前提条件是、成本法
成本法是指首先估测被评估资产的重置成本：一是要有一个充分发育活跃的资产市场，受较强的主观判断和未来不可预风因素的影响，在技术上明显落后。另外经济贬值也不易全面准确计算；五是评估师的职业判断有误，任何一个潜在的投资者在决定投资某项资产时，以及由此所决定的资产评估价值类型相适应。只有当被评估资产处于继续使用状态下，必须首先确定资产的重置成本，以便能够确保运用不同评估途径方法所得到的评估结果的可比性和相互可验证性。只有当资产能够继续使用并且在持续使用中为潜在所有者和控制者带来经济利益。对于特定经济行为，对处在相同状态下的同一资产进行评估。在其他条件既定时，即参照物交易时间与被评估资产评估基准日相差时间所影响的被评估资产价格的差异。
由于资产评估工作基本目标的一致性：第一个层面是评估的技术思路的层面，不论选择哪种评估途径和方法进行评估，即资产实体功能过剩和不足对价格的影响： 资产评估是对资产现行价值进行评定估算的一种专业活动，这就是资产的评估值，其物理性能会不断下降、最有效的方法，易为买卖双方所接受，写的很详细
‘玖’ 算法分析的主要任务之一是分析 a.算法是否具有较好的可读性 b.算法的功
根据算法的有限性，可得A正确；
根据算法的多变性，可得B错误；
根据算法语句的确定性，可得C正确；
要看算法功能的确定性质，可得D正确
故选B
‘拾’ 怎么测试一个算法的性能，用什么软件
这个要从两个维度去考证：
一、测算指标，算法都是有数学理论基础的，在翻译成计算机程序后，算法的执行效率可以用赋值、比较、运算等操作次数，以及缓存、内存占用率等指标进行一定的估算，还应对算法效率进行计算，进行比较评估，包括迭代深度、循环/判断嵌套深度等指标。
二、实际测试，这个就是要把算法真的用计算机实现出来，将算法逻辑封装为函数、控件、组件等，可调用的独立环节（尽量减少非算法语句的干扰），然后进行实际调用，记录执行周期，分析实际性能。比如对比记录新旧算法单次执行的周期、固定数量多次执行的周期、执行期间资源占用率、多线程并发调用的执行效率等指标。
另外、对于实际测试，如果想用专业测试软件执行，可以用LoadRunner、Robot等专业软件测试工具执行相应操作，但是对于您的要求，我还是建议收集性能指标的程序最好自己写，其实并不复杂，就是调用您的算法组件，把执行时间等参数记下来。