算法分析与设计2009第1讲【荐】.docVIP

第一章 算法分析技术 §1.1 算法及复杂性 算法从何入手，求解问题。计算机干什么？将所有想让计算机干的事全部描述成问题。 问题：什么是问题，怎么描述，日常生活中的问题描述，实际就是要让计算机干什么。输入，输出。 两个要素:输入输出，要有严格的描述。 实例：描述问题的所有参量。 询问：陈述问题所求的解的格式和解应满足的性质。 注意，计算机每次求解只是针对一个实例求解，问题的描述针对所有实例，给一个统一的描述。 算法：对每个问题实例计算机都能计算出满足询问条件的正确答案的计算方法。是一个过程，语句集合，语句有顺序，按照顺序执行语句，处理实例，得到正确答案。一种计算方法。对每个实例计算都能得到正确答案。 程序：算法的形式描述。 例子：求xn，求幂问题 实例(instance)：实数x和正整数n 询问(query)：xn=? n=10，求：x10 每次计算x和n都不同，都是一个实例。 方法：算法， 1 x*x*x*x*x*x*x*x*x*x y=x*x, z=y*y, w=z*z, x10=y*w 3 [(x*x)2*x]2 方法1，2，3分别作9，4，4次乘法。考虑算法的总操作次数，*这个总操作次数称为算法的时间复杂度，或称为算法时间复杂性。 一个算法所需要的存储单元数目称为算法的空间复杂度，算法1，23的空间复杂度分别为2，4，2。 算法3的计算：两个变量，y=x*x；y=y*y；y=y*x；y=y*y。(要存储x和x*x) 时间复杂度和空间复杂度，不能太精确，没法太精确。因为相同的方法，两个人编出不同程序，同一个人两个时刻也编出不同程序。肯定不会完全相同。给出一个数量级来表达，数量级的参数是什么。数量级表示算法时间复杂性的增长趋势。 算法3推广到一般如何：想一种通用的办法。 1 begin /n的m位2进制数为bm-1bm-2…b1b0 2 y=x 3 for i=m-2 down to 0 do 4 begin 5 y=y*y 6 If bi==1 then y=y*x 7 end 8 end 例子：n= (11)10=(1011)2 算法的空间复杂度为2。2也不是太对，随着y增大，所需存储位越来越大。真正用于存储求计算数值的就两个空间单元。 若n=100 … 0，则T(n)=(log2n( ，若n=111…1，则T(n)=2(log2n( 算法的时间复杂度随着n的增大而增大，要考虑算法时间复杂度T(n)的随着n的增长率。n是x的个数。 真正讨论算法时间复杂度时，总关心算法时间复杂度随着实例规模增大而增大的数量级。 上述算法的时间复杂度显然跟实例有关，也跟n有关。满足： (log2n((T(n)(2(log2n( §1.2 渐进估计技术及基本规则 在算法分析时，十分关心算法时间复杂度或空间复杂度的增长率，并不十分关心算法时间复杂度的具体值。时间复杂度不会比空间复杂度大。 算法时间复杂度随着实例规模增大而增大。问题规模怎样表示？每个问题都有一个参量说明问题的规模。 给出一个随着问题规模增大，算法时间复杂性也增大的趋势的描述。用时间复杂性的界来表示。 两个符号：O(*)，((*) 1 若存在n0和C，使当nn0时，T(n)(Cf(n)，则称T(n)=O(f(n)) 如，T(n)=(1+n)2=O(n2) T(n)=2n3+4n2=O(n3) O(f(n))描述算法时间复杂度的上界，说明算法好时往往用O(f(n))。 2 存在常数C，存在无穷多个n，使T(n)(Cg(n)，则记为：T(n)=((g(n)) 如：T(n)=2n+(3/2)n= ((2n)，可以写成O(2n)吗？ 可以写成T(n)=?(((3/2)n) T(n)= 可以写成：T(n)=((n2)吗，O(n2)，O(n)，((n) 例1.2排序算法，将数组中的数据排列成递增次序： Procedure bubblesort(A[1-n] of integer) Begin 1 for i=1 to n-1 2 for j=n down to i+1 do 3 if A[j-1]A[j] then 4 begin 5 temp=A[j-1] 6 A[j-1]=A[j] 7 A[j]=temp 8 end 9 end 时间复杂度分析，考虑最坏情况。有时比较完成以后要交换，有时不要交换，比较一次，交换3次。第一遍比较n-1次，第二遍比较n-2次，…………。时间复杂度。只算比较次数：用作时间复杂度的计数。 T(n)=(n-1)+(n-2)+…+2+1=n(n-1)/2=O(n2)§1.3递归算法分析 例子：合并排序 Function mergesort(L:list of integer, n) Begin If n==1