数据结构和.ppt

* 算法在运行过程中临时占用的存储空间随算法的不同而异，有的算法只需要占用少量的临时工作单元，而且不随问题规模的大小而改变，成这种算法是“就地”进行的，是节省存储的算法；有的算法需要占用的临时工作单元与解决问题的规模n有关，它随着n的增大而增大，当n较大时，将占用较多的存储单元，将在排序一章讲解。 算法设计的原则 1.正确性: a.程序中不含语法错误 b.程序对于几组给定的输入数据能得出满足要求的结果 c.程序对于精心选择的、典型的、苛刻的且带有刁难 性的几组输入能得出满足要求的结果 d.程序对一切合法输入都能得出满足要求的结果 2.可读性：算法主要是为了人的阅读与交流，其次才是为了计算 机执行，因此算法应该易于理解；另外，晦涩难懂的 程序易于隐藏较多错误而难于调试 3.健壮性：当输入的数据非法时，算法应当恰当地做出反应或进 行相应的处理，而不是产生莫名其妙的错误输出；并 且处理错误的方法不应该始终段程序的执行，而应是 返回一个表示错误或错误性质的值，以便在更高的抽 象层次进行处理 4.高效率和低存储量需求： 效率：指算法的执行时间 存储量：算法执行过程中所需的最大存储空间 两者都与问题的规模有关 与算法效率有关的因素 算法采取的策略 问题的规模 程序设计语言 编译的代码质量 机器执行指令的速度 重点考虑时间因素。 一个算法所耗费的时间，应该是该算法中每条语句的执行时间之和，而每条语句的执行时间又是该语句的执行次数（频度）与该语句执行一次所需时间的乘积。 假定，每条语句一次执行的时间都是相同的，为单位时间。这样对时间的分析就可以独立于软硬件系统。 算法分析 算法分析－－时间复杂度 for(i=1;i<=n;++i) for(j=1;j<=n;++j){ c[i][j] = 0; for(k=1;k<=n;++k) c[i][j]+=a[i][k]*b[k][j]; } 原操作 原操作重复执行的次数与问题规模n之间的关系：f(n) 时间复杂度： T(n)= O(f(n)) 当问题的规模n 趋于无穷大时，把f(n)的数量级（阶）称为算法的渐进时间复杂度（有时简称为时间复杂度）记作T(n)： 它表示随问题规模n的增大，算法的执行时间的增长率和f (n)的增长率相同。 1.5 算法分析 例：求解以下程序段的时间复杂度： for（i=1; i<=n; i++）x=x+1; 该语句的流程图如下: 由此可知， 相应的时间复杂度为为O (n) 语句执行次数 i <= n N Y i=1； x=x+1； i++； 1次 n+1次 n次 n次 共：3n+2次 练习： 1. 求下列语句段的时间复杂度： (1) for (i=1; i<n; i++) for (j=1; j<= i; j++) x++; (2) i = 1; while (i<n) i = i*2; (3) for (i=1; i<=n; i++) for (j=1; j<=n; j++) for (k=1; k<=n; k++) x++; （4）for (i=1; i<n; i++) for (j=1; j<n; j++) x++; for (k=1; k<n;k++) x++; for(i=1;i<=n,++i) for(j=1;j<=n;++j){ c[i][j] = 0; for(k=1;k<=n;++k) c[i][j]+=a[i][k]*b[k][j]; } f (n)＝n3 T(n)=O(n3) 常见函数的增长率 n T(n) 5n2 2n n3/2 100n 200log2n 常见的渐进时间复杂度随问题规模n的扩大而增长且增长的速度是不同的，其大小次序如下： O(1)<O(log2n)<O(n)<O(nlog2n)<O(