算法讲义PPT-Chapter-2 数学基础与数据结构.ppt

2 数学基础与数据结构 2 数学基础与数据结构 集合、关系和函数 求和计算 递归方程求解 (*) 基本数据结构 (*) 递归方程求解 常系数线性同质递归方程 (linear homogeneous with constant coefficients) 几类特殊的非同质递归方程求解 常系数线性同质递归方程 例： 举例 费氏数列是由0，1开始，之后的每一项等于前两项之和： 0，1，1，2，3，5，8，13，21，34，55，89，144...... 。 时间复杂度分析： 非同质递归方程的求解 几个例子 数据结构 算法的实现离不开数据结构。选择一个合适的数据结构对设计一个有效的算法有十分重要的影响。结构化程序设计创始人Niklaus Wirth(瑞士苏黎士高工)提出一个著名的论断： “程序=算法+数据结构”。1984年，Wirth因开发了Euler、Pascal等一系列崭新的计算语言而荣获图灵奖, 有“结构化程序设计之父”之美誉。 本章我们将回顾几种重要的数据结构，包括二叉树、堆、不相交集。 堆(Heap) 在许多算法中，需要大量用到如下两种操作：插入元素和寻找最大(小)值元素。为了提高这两种运算的效率，必须使用恰当的数据结构。 普通队列：易插入元素，但求最大(小)值元素需要搜索整个队列。 排序数组：易找到最大(小)值，但插入元素需要移动大量元素。 堆则是一种有效实现上述两种运算的简单数据结构。 堆的定义：堆是一个几乎完全的二叉树，每个节点都满足这样的特性：任一父节点的键值(key)不小于子节点的键值。(最大堆) 观察结论： 根节点键值最大，叶子节点键值较小。从根到叶子，键值以非升序排列。 节点的左右儿子节点键值并无顺序要求。 堆的数组表示呈“基本有序”状态。相应地，并非节点的高度越高，键值就越大。 堆的基本操作 make-heap(A): 从数组A创建堆 insert(H,x): 插入元素x到堆H中 delete(H,i): 删除堆H的第i项 delete-max(H): 从非空堆H中删除最大键值并返回数据项 辅助运算Sift-up 若某个节点H[i]键值大于其父节点的键值，就违背了堆的特性，需要进行调整。 调整方法：上移。 沿着H[i]到根节点的唯一一条路径，将H[i]移动到合适的位置上：比较H[i]及其父节点H[?i/2?]的键值，若key(H[i])key(H[?i/2?])，则二者进行交换，直到H[i]到达合适位置。 辅助运算Sift-down 假如某个内部节点H[i] ( i≤?n/2?)，其键值小于儿子节点的键值,即key(H[i])key(H[2i])或key(H[i] key(H[2i+1]) (如果右儿子存在)，违背了堆特性，需要进行调整。 调整方法：下渗。 沿着从H[i]到子节点(可能不唯一，则取其键值较大者)的路径，比较H[i]与子节点的键值，若key(H[i]) max(H[2i], H[2i+1])则交换之。这一过程直到叶子节点或满足堆特性为止。 操作insert(H,x): 插入元素x到堆H中 思路：先将x添加到H的末尾，然后利用Sift-up，调整x在H中的位置，直到满足堆特性。 操作 delete(H,i) 思路：先用H[n]取代H[i]，然后对H[i]作Sift-up或Sift-down)，直到满足堆特性。 操作delete-max(H) make-heap(A): 从数组A创建堆 方法1：从一个空堆开始，逐步插入A中的每个元素，直到A中所有元素都被转移到堆中。 时间复杂度为O(nlogn).为什么？(阅读教材) 方法2： 复杂度分析 树高k=?logn?，第i层正好2i个节点, 0?ik,(不含最深的叶子节点层), 每个节点的down过程最多执行k-i次,故down过程执行次数上限为 不相交集(Disjoint Sets) 假设有n个元素，被分成若干个集合。例如S={1,2,…11}分成4个子集1:{1,7,10,11}，3:{2,3,5,6}，8:{4,8}，9:{9}并分别命名。 事实上，每个子集可以用树表示，除根节点外，每个节点都有指针指向父节点。上例可以用树表示为: 假如要执行如下计算任务： FIND(x): 寻找包含元素x的集合的名字 UNION(x,y): 将包含元素x和y的两个集合合并，重命名。 记root(x)为包含元素x的树的根，则FIND(x)返回root(x). 执行合并UNION(x, y)时，首先依据x找到root(x),记为u,依据y找到root(y)，记为v；然后，将u指向v。 优点：简单明了 缺点：多次合并后，树高度可能很大，查找困难。 南京理工大学 称为k 阶常系数线性同质递归方程。 其特征方程(characteristi