《算法设计及分析》第02章.pptVIP

算法设计与分析 第2章 算法分析基础 2.1 算法复杂度 2.1.1 什么是好的算法 好的算法 一个好的算法应具有以下4个重要特性: 正确性（correctness）：算法的执行结果应当满足预先规定的功能和性能要求。 简明性（simplicity）：算法应思路清晰、层次分明、容易理解、利于编码和调试。 效率（efficiency）：算法应有效使用存储空间，并具有高的时间效率。 最优性（optimality）：算法的执行时间已达到求解该类问题所需时间的下界。 2.1.2 影响程序运行时间的因素 2.1.3 算法的时间复杂度 时间复杂度 一个算法的时间复杂度（time complexity）是指算法运行所需的时间。 设有一个在抽象机上运行的算法A，I是某次运行时的输入数据，其规模为n，则算法A的运行时间T是n和I的函数，记做T(n, I)。又设在该次运算中抽象机的第i个基本运算Oi的执行次数为?i，1≤i≤m，?i也是n和I的函数，记做?i(n, I)。 2.1.4 使用程序步分析算法 2.1.5 算法的空间复杂度 练习 分析程序1-6（汉诺塔问题）的程序步数 n0 2.2 渐近表示法 2.2.1 大O记号 2.2.2 ?记号 2.2.3 ?记号 2.2.4 小o记号 2.2.5 算法按时间复杂度分类 算法时间分析的目的是为了设法降低时间复杂度的数量级！！！ 2.3 递推关系 2.3.1 递推方程 计算递推公式的三种方法 迭代法 替换法 主方法 1 迭代方法 迭代方法的思想是扩展递推式，将递推式先转换成一个和式，然后计算该和式，得到渐近复杂度。 2 替换方法 2.3.4 主方法 分摊分析 数据结构上的常用基本操作 add, delete, seek 求运算平均性能 略。。。 第2章 小结 理论基础： 抽象机模型 程序步 时间和空间复杂度 算法分析的基本方法 渐近性（估算）== 复杂度量级 关键步骤 递推 例2-7 f(n) = 2n + 3 = ?(n)，即2n + 3??(n)。 例2-8 f(n) = 10n2 + 4n + 2 = ?(n2)。 定理2-4 如果f(n) = amnm + am?1nm?1 + … + a1n + a0是m次多项式，且am＞0，则f(n) = ?(nm)。 定义2-4 f(n) = o(g(n))当且仅当f(n) = O(g(n))且f(n) ? ?(g(n)) 例2-9 f(n)=2n+3=o(n2)，即2n+3?o(n2)。 算法按计算时间分类 凡渐近时间复杂度有多项式时间限界的算法称做多项式时间算法（polynomial time algorithm），而渐近时间复杂度为指数函数限界的算法称做指数时间算法（exponential time algorithm）。 最常见的多项式时间算法的渐近时间复杂度 O(1)＜O(log n)＜O(n)＜O(nlog n)＜O(n2)＜O(n3) 最常见的指数时间算法的渐近时间复杂度 O(2n)＜O(n！)＜O(nn) 递推方程（recurrence equation）是自然数上一个函数T(n)，它使用一个或多个小于n时的值的等式或不等式来描述。递推方程也称为递推关系或递推式。 递推方程必须有一个初始条件（也称边界条件）。 例2-10 程序1-5的时间分析 设n = d1d2?dk是k位数，当k = 1时，只执行cout语句和if判定语句；当n至少是2位数（k＞1）时，除了执行这两个操作外，还需执行递归函数调用PrintDigit(n/10)，?n/10?是k ? 1位数 。 T(k) = 2k = ?(k) 例2-12 使用迭代方法分析程序1-6。 函数Hanoi中两次调用自身，函数调用使用的实在参数均为n ? 1，函数Move所需时间具有常数界?(1)，可以将其视为一个程序步，于是有： 扩展并计算此递推式： T(n) = 2T(n ? 1) + 1 = 2(2T(n ? 2) + 1) + 1 = 22T(n ? 2) + 2 + 1 = 23T(n ? 3) + 22 + 2 + 1 ? = 2n?1T(1) + … + 22 + 2 + 1 = 2n?1 + … + 22 + 2 + 1 = 2n ? 1 使用递归树（recursion tree）可以形象地看到递推式的迭代过程。 例2-13 T(n) = 2T(n/2) + n的递归树 递归树 例2-14 T(n) = T(n/3) + T(2n/3) + n的递归树 替换方法要求首先猜测递推式的解，然后用归纳法证明。 例2-11 使