数据结构与算法分析第3章【荐】.pptVIP

数据结构与算法分析A Practical Introduction toData Structures and Algorithm Analysis陈 星 第3章 算法分析 疑问？ 通常对一个问题有多种解决方法 算法 ,如何挑选一种较好的方法？ → 了解方法（算法）的相对效率。 计算机编程的两大目标： 设计理解容易、编码简单和调试方便的算法。 → 软件工程 设计能够高效率地利用计算机资源的算法。 →数据结构和算法分析 如何检测算法的效率？ 实际测量算法的计算机运算时间。 问题：1. 需为每种算法都编写程序。 2. 代码质量对计算机耗时有影响。 3. 测试数据的选择对计算机耗时有影响。 4. 需要所有算法都运行一遍。 渐近算法分析（简称算法分析） 估算算法及实现它的程序的效率和开销。 计算机的关键资源 时间代价 空间代价（内存和磁盘空间） 分析算法效率的可行方法 可行的方法： 一定规模下，算法所需基本运算的执行次数。 基本运算的选择原则： 1、算法执行的运算总次数与基本运算的次数大体上成比例。 2、基本运算以外的其它运算的运算量可以忽略。 影响运行时间的因素 假设在代码质量、编译系统等与算法无关的因素 相同的条件下，影响某算法程序执行时间的因素： 1. 问题的规模。 运行时间T可以表示为规模n的函数T n 。 2. 特定的输入。 问题规模对运行时间的影响 例1 : 查找数组元素中的最大值 int largest int array[ ], int n int currlarge 0; // Largest value seen for int i 1; i n; i++ // For each val if array[currlarge] array[i] currlarge i; // Remember pos return currlarge; // Return largest 问题的规模：数组的大小n 基本操作：整数的比较 设每次整数比较的时间为c，则运行时间 T n cn 例2 : 将数组中第k元素赋给某变量 T n c 常数运行时间：输入规模n对运行时间不产生影响。 例3 : sum 0; for i 1; i n; i++ for j 1; j n; j++ sum++; T n cn2 算法的增长率是指当输入的值增长时，算法代价的增长速率。 线性增长率： T n cn 二次增长率： T n cn2 指数增长率： T n c1c2C3n …… 特定输入对运行时间的影响 例1 : 查找数组元素中的值为x的元素 int SearchX int array[ ], int n for int i 1; i n; i++ // For each val if array[ i ] x return i; return 0; 算法的最佳情况、最差情况、平均情况。 更快的计算机还是更快的算法？ 如果计算机的速度增快10倍？ T n n n’ Change n’/n 10n 1,000 10,000 n’ 10n 10 20n 500 5,000 n’ 10n 10 5n log n 250 1,842 n n’ 10n 7.37 2n2 70 223 n’ n 3.16 2n 13 16 n’ n + 3 ----- 渐近分析 当输入规模很大后，我们分析一种算法运行时间增长率时，可以忽略算法运行时间函数的系数。 上限 大O表示法 描述一种算法消耗某种资源（通常是时间）的最大值。 对非负函数T n ，若存在两个正常数c和n0，对任意n n0，有T n ≤cf n ，则称T n 在集合O f n 中。 例：某一算法平均情况下T n c1n2+c2n, c1,c2为正整数。若n 1，c1n2+c2n≤c1n2+c2n2。因此取c c1+c2，n0 1，有T n ≤cn2。故T n 在O n2 中。 下限 （大Ω 表示法） 描述算法消耗某种资源（通常是时间）的最小值。 对非负函数T n ，若存在两个正常数c和n0，对任意n n0，有T n ≥cg n ，则称T n 在集合Ω g n 中。 例：某一算法平均情况下T n c1n2+c2n, c1,c2为正整数。若n 1，c1n2+c2n≥c1n2。因此取c c1，n0 1，有T n ≥cn2。故T n 在Ω n2 中。 Θ表示法：如果一种算法既在O h n 中，又在Ω h n 中，则称其为Θ h n 。 化简原则：计算某算法代价的渐近增长率时，忽略所有的常数和低次项。 程序运行时间的计算 例3.8