数据结构和算法学习笔记(经典).pdfVIP

希赛，中国最大的 IT 资源平台 一、 复杂性分析 常用的大Ο大Θ大Ω就不说了，一般知道大Ο也就行了。这里主 要说说补偿分析法（amortized analysis ），有的翻译成均（平）摊分析。 英文单词amortized 的意思是分期付款，这个比较容易理解。在数据结 构中的应用例子有移至前端的自组织线性表，自适应树等。 在一些应用中，数据结构是从属于一系列操作而不是一个操作 的，这时，我们分析最坏的情况时就不能分析每一个操作的最坏情况， 然后认为整个操作序列的最坏情况就是单个最坏情况的和。 最简单的例子是二进制计数器。假设一个从 0 开始的n 位计数器。 用数组 A[0…n-1]来表示，A[0]存最低位。对它加 1 的算法如下： Increment(A){ for(i=0;in A[i]==1);i++) A[i]=0; if(in) A[i]=1; } 即从最低位开始，遇到 1 就把它变成 0，继续把进位往上送，直 到遇到 0 。如果从0 到 n －1 位都是 1，就不用把第n －1 位改成 1 了。 这个算法没有什么，我们一般比较关心最坏的情况。如果孤立的 分析一次加 1 操作，那么它的最坏情况是需要 O(n) 的时间复杂度。那 么对m 次操作它的最坏情况是不是O(m*n)呢？这要看这m 次操作是 注：本文来源互联网，由希赛网下载频道整理发布，版权属于原作者 希赛，中国最大的 IT 资源平台 否有关系，如果这 m 此操作都是没有任何关系的，也就是说第一次 加 1 时，A[0…n-1] 的值是随机的，第二次加 1 时A[0…n-1]还是随机 的，那么最坏可能是 O(m*n) 。现在考虑的条件是：每次加 1 都是在 前一次的结果的基础上加 1 的，比如初值为 0000 （n ＝4 ），第一次 加 1 后变成 0001，第二次加 1 是加在 0001 上的使它变成 0010 。这样 的话我们就会发现前面的分析方法把事情看得太糟糕了。在每次都加 在上次的结果上时，不可能每次都要 O(n) 的复杂度。比如某次加 1 使得计数器进行 n 次变化使得计数器变成 0000，那么下次只有 1 次 变化。 因此我们可以把这一序列操作看成一个整体，求出所有的操作的 复杂度然后除以m 。为了简便，我们假设从 0 开始计数，共计数m ＝ 2n 次，（从 00…00 到 11..11）。 我们来分析第 0 位，000000，000001,000010,000011,……. 发现每 2 （隔一）个数变化一次，类似的第1 位每 4 个数变化一 次，…… 所以第i位变化m/2i次，0=i=n-1 n−1 n 所有的变化次数为：∑ m/2i m ∑1 2i =2m i 0 i 0 所以一次操作的代价为 O （1）。 这种方法在《算法导论》被称为聚聚方法。它的思路是：寻找这 m 个相互有关联的操作的总代价的上界 T(m) ，每个操作的平均为 T(m)/m 。 注：本文来源互联网，由希赛网下载频道整理发布，版权属于原作者 希赛，中国最大的 IT 资源平台 这种方法的适用场合是：这 m 个操作的总代价比较容易求。但 有时候我们根本不知道具体的操作到底是什么。比如移至前端的自组 织线性表。我们根本不知道 m 次操作会访问哪些数据。 这个问题是：为了提高链表的查询速度，“用最近的过去预测最 近的将来”，把最近访问过的元素提到表头，这样如果下次再访问这 个数据，就很快可以找到。你可能和我一样担心会不会“万一放到表 头的元素都不再或很少再次被访问”，那把它提到表头不但徒劳无功， 而且使下一个被访问的元素 （如果它在原链表中的位置在被提到表头 的元素之前）后退了一个位置？ 假设一共进行了m次查询，但不知道每次到底查询哪个数据。那 怎么计算复杂性呢？比如，m 次都访问某一个元素ai ，则一共需要 （i+m-1 ），若m