算法计算

㈠ 算法等同于计算方法

算法不等同于计算方法。
算法的定义为解决问题确定的方法和有限的步骤。
而算法分为两大类：数值运算算法和非数值运算算法。计算方法中并不包括非数值运算算法，因此算法不等同于计算方法，当然啦 这是在计算机学中的定义，不同地方将有不同的意义，若是仅仅谈数学上的算法，确实与计算方法相似。
纯手打，希望能帮到你~

㈡ 什么是算法

算法，简单一点说就是计算的方法，比如计算两个整数相加的方法，即两数相加的【算法】就是从右向左依次相加各位。
严格来说的话，在数学和计算机科学之中，算法（Algorithm）为一个计算的具体步骤，常用于计算、数据处理和自动推理。精确而言，算法是一个表示为有限长列表的有效方法。算法应包含清晰定义的指令用于计算函数 。（本段来自网络：http://ke..com/view/7420.htm）

㈢ 这个算法怎么计算

求解算法的时间复杂度的具体步骤是：
⑴找出算法中的基本语句；
算法中执行次数最多的那条语句就是基本语句，通常是最内层循环的循环体。
⑵计算基本语句的执行次数的数量级；
只需计算基本语句执行次数的数量级，这就意味着只要保证基本语句执行次数的函数中的最高次幂正确即可，可以忽略所有低次幂和最高次幂的系数。这样能够简化算法分析，并且使注意力集中在最重要的一点上：增长率。
⑶用大Ο记号表示算法的时间性能。
将基本语句执行次数的数量级放入大Ο记号中。
如果算法中包含嵌套的循环，则基本语句通常是最内层的循环体，如果算法中包含并列的循环，则将并列循环的时间复杂度相加。例如：
for(i=1;i<=n;i++)x++;for(i=1;i<=n;i++)
for(j=1;j<=n;j++)x++;第一个for循环的时间复杂度为Ο(n)，第二个for循环的时间复杂度为Ο(n2)，则整个算法的时间复杂度为Ο(n+n2)=Ο(n2)。
常见的算法时间复杂度由小到大依次为：
Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(n3)＜…＜Ο(2n)＜Ο(n!)Ο(1)表示基本语句的执行次数是一个常数，一般来说，只要算法中不存在循环语句，其时间复杂度就是Ο(1)。Ο(log2n)、Ο(n)、Ο(nlog2n)、Ο(n2)和Ο(n3)称为多项式时间，而Ο(2n)和Ο(n!)称为指数时间。计算机科学家普遍认为前者是有效算法，把这类问题称为P类问题，而把后者称为NP问题。
这只能基本的计算时间复杂度，具体的运行还会与硬件有关。

㈣ 数学上的 设计一个算法计算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

【希望采纳，谢谢】

㈤ 算法怎么计算的

首先我复制粘贴的，还有就是算法复杂，如果你的心算能力强就会更快些！ 阳历日期推算阴历日期的方法： 阴历日期是以月亮的圆缺为计月单位，其以逢朔为初一，以月望为十五（大月为十六日），以月晦为二十九日（大月为三十日）。然而目前记时通常...

㈥ 怎么计算，计算方法

算理和算法既有联系，又有区别。算理主要回答“为什么这样算”的问题；算法是主要解决“怎样计算”的问题。算理是计算的依据，是算法的基础，而算法则是依据算理提炼出来的计算方法和规则，它是算理的具体体现。算理为计算提供了正确的思维方式，保证了计算的合理性和可行性；算法为计算提供了便捷的操作程序和方法，保证了计算的正确性和快速性。算理和算法是计算教学中相辅相成、缺一不可的两个方面。
处理好算理与算法的关系对于突出计算教学核心，抓住计算教学关键具有重要的作用。当前，计算教学中“走极端”的现象实质上是没有正确处理好算理与算法之间关系的结果。一些教师受传统教学思想、教学方法的支配，计算教学只注重计算结果和计算速度，一味强化算法演练，忽视算理的推导，教学方式“以练代想”，学生“知其然，不知其所以然”，导致教学偏向“重算法、轻算理”的极端。与此相反，一些教师片面理解了新课程理念和新教材，他们把过多的时间用在形式化的情境创设、动手操作、自主探索、合作交流上，在理解算理上大做文章，过分强调为什么这样算，还可以怎样算，却缺少对算法的提炼与巩固，造成学生理解算理过繁，掌握算法过软，形成技能过难，教学走向“重算理、轻算法”的另一极端。
处理计算教学中算理与算法的关系应注意以下五点：一是算理与算法是计算教学中有机统一的整体，形式上可分，实质上不可分，重算法必须重算理，重算理也要重算法；二是计算教学的问题情境既为引出新知服务，体现“学以致用”，也为理解算理、提炼算法服务，教学要注意在“学用结合”的基础上，以理解算理，掌握算法，形成技能为主；三是算理教学需借助直观，引导学生经历自主探索、充分感悟的过程，但要把握好算法提炼的时机和教学的“度”，为算法形成与巩固提供必要的练习保证；四是算法形成不能依赖形式上的模仿，而要依靠算理的透彻理解，只有在真正理解算理的基础上掌握算法、形成计算技能，才能算是找到了算理与算法的平衡点；五是要防止算理与算法之间出现断痕或硬性对接，要充分利用例题或“试一试”中的“可以怎样算？”“在小组里说一说，计算时要注意什么？

㈦ 计算方法是什么

计算方法又称“数值分析”。是为各种数学问题的数值解答研究提供最有效的算法。主要内容为函数逼近论，数值微分，数值积分，误差分析等。常用方法有迭代法、差分法、插值法、有限元素法等。现代的计算方法还要求适应电子计算机的特点。数值分析即“计算方法”

㈧ 一个算法的‘计算量’该如何量化

这问题提的好。衡量算法开销通常使用O()运算符由于同一个算法运行于不同的机器上所耗费的实际时间是不同的,所以不能使用实际时间单位衡量算法运行效率,而应使用逻辑单位。描述算法复杂度的参数为算法的输入数据规模,通常用n来表示,那么算法的复杂度可表示为一个关于n的函数。通常最常用的描述算法复杂度的符号为O符号,即将复杂度表示为O(f(n))。其中f(n)用函数形式描述算法执行命令条数与输入规模n的关系,而O()起到估算化简的作用。比如某个算法经过逻辑分析后,其指令数可表示为f(n)=8n^2+10n+500,那么可以使用O(f(n))来简化其表达,O()符号运算性质有多条,总体来说就是保留增长率最高的项且忽略常数系数,上面的表达式化简结果为O(n^2)。当然O()符号不能完美描述算法开销,因为它忽略了常数的影响,当某些项前的常数系数非常非常大时,会对算法复杂度的判断造成误差,这就要具体问题具体分析了。下面简单说一下具体如何分析。for (i = 0;ik *= i;}这段代码每次循环中执行一次乘法两次赋值(假定乘法使用单周期乘法器实现),循环开始执行一次赋值,那么共计执行指令数3n+1,即复杂度为O(n)。for (i = 0;ifor (j = 0;jk += i * j;}循环嵌套时,内层循环执行3n+1条指令,外层循环n次,共n*(3n+1)+1=3n^2 + n +1条指令,即O(n^2)。