算法的简单分析：.docVIP

算法的简单分析： 2.问题的规模（size)--- 算法求解问题的输入量（或初始数据量）。 3.不考虑机器软硬件环境时算法的时间耗费： 设：执行每条语句所需时间为单位时间，则： 一个算法耗费的时间=所有语句的频度之和。 时间复杂度T(n)--- 即：时间耗费，它是算法求解问题n的函数。 渐近时间复杂度--- 即当问题的规模n→∞时的时间复杂度T(n)的数量级（阶），记作：T(n)=O(f(n)) 评价一个算法的时间性能，主要标准是算法的渐近时间复杂度 以下为交换a和 b的内容的算法，试分析其T(n)。 temp=I I=j j=temp 分析：因为执行上述语句仅需常数时间， 所以T(n)=O(1)。 分析以下算法的T(n)。 x=0;y=0; for (k=1;k=n;k++) x++; for (i=1;i=n;i++) for (j=1;j=n;j++) y++; 分析： 因为： limT(n)/ n2=lim(n2+n)/n2=1 n→∞ n→∞ 所以： T(n)=O(n2) x=1; for (I=1;I=n;I++) for (j=1;j=I;j++) for (k=1;k=j;k++) x++; 由于内循环的执行次数虽与规模n无直接关系，但与外循环的变量取值有关。因此从内层向外层循环分析执行次数。 即: T(n)=[n(n+1)(2n+1)/6+n(n+1)/2]/2 所以： T(n)=O(n3/6+低次项) 取T(n)的数量级阶，得最后结果为： T(n)=O(n3) ( 常见函数的时间复杂度按数量递增排列及增长率。 常数阶O(1) 对数阶O(log2n) 线性阶O(n) 线性对数阶O(nlog2n) 平方阶O(n2) 立方阶O(n3) …… k次方阶O(nk) 指数阶O(2n) 设n为正整数，利用大“O”记号，分析下列程序段的T(n)。 (1) I=1;k=0; (2)I=0;k=0; while(In) do {k=k+10*I;I++;} { k=k+10*I;I++; }while(In); (3)I=1;j=0; while (I+j=n) {if(Ij)j++; else I++; } 第二章 线性表（linear list) ( 2.1 线性表的定义运算 1.线性表的定义： 是由n(n=0)个数据元素（结点）a1,a2,a3, ……an组成的有限序列。 其中： n为数据元素的个数，也称为表的长度。 当n=0 时，称为空表。 非空的线性表(n0) 记作： （ a1,a2,a3, ……an） ( 2.线性表（a1,a2,a3, ……an）的逻辑特征： （1）有且仅有一个开始结点ai(无直接前趋）； （2）有且仅有一个终端结点an(无直接后继）； （3）其余的结点ai 都有且仅有一个直接前趋ai-1和一个直接后继ai+1。 ( 3.线性表的特性 （1）线性表中的所有数据元素的数据类型是一致的。 （2）数据元素 在线性表中的位置只取决于它的序号。 （3）结点间的逻辑关系是线性的。 ( 线性表的顺序存储结构（顺序表） 1.顺序表的定义： ------用一组连续的存储单元（地址连续）依次存放线性表的各个数据元素。 即：在顺序表中逻辑结构上相邻的数据元素，其物理位置也是相邻的。 ( 2.顺序表中数据元素的存储地址 若一个数据元素仅占一个存储单元，则其存储方式参见下图。 若每个数据元素占用m个存储单元，则 第m个数据元素的存储位置为： LOC（a i）=loc(a 1)+(i-1)*m loc(a 1)称为基地址（第一个数据元素的存储位置）。 显然，数据元素在顺序表中位置取决于数据元素在线性表中的位置。 顺序表的特点 是：逻辑位置相邻，其物理位置也相邻。 5.顺序表的几种基本运算 （1）插入运算 ---在第I（1=I=n+1)个元素之前插入一个新的数据元素x。使： 长度为n的线性表变为长度为n+1的线性表 （a1,a2,…,ai-1,ai,…,an） 插入算法的思想： 若i=n+1,则将x插入到表尾； 若表长度n0或插入位置不适当，则输出错误信息，并返回-1； 当1=I=n时，则从表尾开始到I个依次向后移动一个位置（共需移动