第02讲线性表的ADT-精.pptVIP

例2：分析下列程序段中包含x自增的语句频度,及该程序段的时间复杂度。 {x++;s=0;} for (i=1;i=n;i++) {++x;s+=x;} for (j=1;j=n;++j) for (k=1; k=n; ++k) {++x;s+=x;} 例3：分析下列程序段中包含x自增的语句频度,及该程序段的时间复杂度。 for(i=2; i=n; ++i) for(j=2; j=i-1; ++j) {++x; a[i,j]=x;} 课堂练习 设n是偶数，计算m，并给出最内层循环语句的频度及程序的时间复杂度。 m=0; for ( i=1; i=n; i++) for( j=2*i; j=n; j++) m++; 利用上述定义的抽象数据类型线性表，可以进行一些更复杂的操作。 例1：线性表LA和LB分别表示集合A和B, 求A=A∪B. * 第二讲 算法和算法分析 线性表 上节回顾： 1.基本的数据结构有哪些？ 2.存储结构有哪些？分类依据是什么? 3.从哪些方面描述一个抽象数据类型？ 为什么要定义抽象数据类型？ 4.算法等同程序吗？为什么？ 算法是一个指令序列，用来描述求解问题的步骤。其中每一条指令表示一个或多个基本操作。 1．有穷性 2．确定性 3．可行性 4．有输入 5．有输出 一、算法 一个算法必须满足以下五个重要特性： 例如：变量互换操作 二、算法设计的原则 1．正确性 2. 可读性 3．健壮性 4．高效率与低存储量需求 三、算法效率的度量 1.事后统计 弊端：需要运行算法对应的程序；运行时间依赖硬件、软件等外界因素； 2.事前分析估算 影响程序运行时间的因素：算法策略；问题规模；程序语言级别；机器速度等。 使用绝对的时间单位衡量算法的效率不合适，一个特定算法的运行工作量是问题规模的函数。 以基本操作重复执行的次数作为算法的时间度量。 // 以二维数组存储矩阵元素，c 为 a 和 b 的乘积 for (i=1; i=n; ++i) for (j=1; j=n; ++j) { c[i,j] = 0; for (k=1; k=n; ++k) c[i,j] += a[i,k]*b[k,j]; } 基本操作: ？ 重复执行次数：? 例1：两个n×n的矩阵相乘 一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数f(n)，算法的时间量度记作： T(n) = O( f(n) ) 它表示随着问题规模 n 的增长，算法执行时间的增长率和f(n)的增长率相同,称作算法的(渐近)时间复杂度。 基本操作：最深层循环内语句中的原操作。它的执行次数，和包含它的语句的频度相同。 算法还可能呈现的时间复杂度有对数阶O(logn)、指数阶O(2n)等，如图1.7所示，分析其性能变化。 由于算法的时间复杂度只需考虑对问题规模n的增长率，所以只需求出它关于n的增长率或阶即可。 例4：冒泡排序 void bubble_sort(int a[], int n) { // 将 a 中整数序列重新排列成自小至大有序的整数序列。 for (i=n-1, change=TRUE; i1 change; --i) { change = FALSE; // change 为元素进行交换标志 for (j=0; ji; ++j) if (a[j] a[j+1]) { a[j] ←→ a[j+1]; change = TRUE ;} } // 一趟起泡 } // bubble_sort 很多情况下，算法的基本操作重复次数还与问题的输入数据集有关。 引入平均时间复杂度、最坏情况下的时间复杂度。 基本特征: 1．必存在唯一的一个“第一元素”； 2．必存在唯一的一个 “最后元素” 3．除最后元素外，均有唯一的后继； 4．除第一元素外，均有唯一的前驱。 第二章 线性表 ——最简单的一种数据结构 线性表是n个元素的有限序列，通常记为： （a1,…, ai-1, ai, ai+1, …,an）； 线性表中的元素可以是各种各样的，但同一线性表中的元素必定具有相同的特性； 元素个数n为线性表的长度；n＝0时为空表；i为元素ai的位序。 抽象数据类型线性表的定义如下： ADT List { 数据对象： D＝{ a