《算法导论》复习大纲资料.docVIP

《算法设计与分析》复习提纲 2014.7.5 1 引言(ch1) 什么是算法及其特征 算法（Algorithm）是通过一个有限的指令序列集合对特定问题进行求解的一种计算执行描述。 算法特征： （1）输入：一个算法具有零个或多个取自指定集合的输入值； （2）输出：对每一次输入，算法具有一个或多个与输入值相联系的输出值； （3）确定性：算法的每一个指令步骤都是明确的； （4）有限性：对每一次输入，算法都必须在有限步骤（即有限时间）内结束； （5）正确性：对每一次输入，算法应产生出正确的输出值； （6）通用性：算法的执行过程可用于所有同类求解问题，而不仅适用于特殊输入。 2.问题实例和问题规模 问题实例是指需要计算同一个结果的问题的所有输入。 问题规模是指输入实例的大小,而输入实例是指问题的具体计算例子 2 算法初步(ch2) 插入排序算法 1）算法步骤： 从左到右扫描数据A，扫描到一个元素，将A[j]与其左边的元素从右到左依次比较，若比之小，则将其之前元素后移，插入A【j】,直至A【j】比他前面的元素大，扫描A中的下一个元素 2）伪代码： InsertSort(A) { for j=2 to A.length //第一层循环 ｛ Key=A[j] i=j-1 While i0 and a[i]key //第二层循环 ｛ A[i+1]=A[i] ｝ i=i-1 A[i+1]=key ｝ } 2.算法复杂性及其度量 (1)时间复杂性和空间复杂性； (2)最坏、最好和平均情形复杂性； 顺序情况下B（n）=O（n）、倒序情况下W（n）=O（n2）、A（n）=O(n2)W(n) 空间复杂性：需要常数个额外的临时空间存储临时数据 插入排序的最坏、最好和平均时间 最坏O(n2)、最好O(n)和平均时间O(n2),空间复杂度是O(1)，稳定排序 归并排序算法及其时间复杂性－时间Θ（n log n）） 1）算法步骤 分解：分解待排序的n个元素的序列为各具n/2个元素的两个子序列 解决：适用归并排序递归的排序2个子序列 合并：从左到有遍历2个子序列，比较最前面的元素，将较小的元素移出子序列 合并到上级序列的末尾，循环进行上2步，直接所有元素都被合并到上级序列，公进行r-p+1次； 2）伪代码： MERGE-SORT(A,p,r) { if pr q=向下取整（p+r）/2 MERGE-SORT(A,p,q); MERGE-SORT(A,q+1,r) MERGE(A,p,q,r) } MERGE(A,p,q,r) { N1=q-p+1 N2=r-q 将A拆成长度分别为N1、n2的2个子数组L,R L,R的末尾元素的后一个元素取值无穷大，作为哨兵； i=1，j=1 for k=p to r if L[i]=R[j] A[k]=L[i] i=i+1 else A[k]=R[j] j=j+1 } 3函数增长率(ch3) 渐近记号O、Ω、θ的定义及其使用 O 渐进上界：0=f(n)=C(g(n)) 当n-∞, f(n)的阶小与g(n)的阶 2）Ω 渐进下界：0=C(g(n)) =f(n) 当n-∞, f(n)的阶大与g(n)的阶 3）Θ 渐紧界：0=C1(g(n)) =f(n) =C2(g(n)) 当n-∞, f(n)的阶与g(n)的阶相等 标准复杂性函数及其大小关系 （1） 多项式时间阶的大小 O(1) O(log n) O(n) O(n*log n) O(n2) O(n3) （2） 指数时间阶的大小 O(2n) O(n!) O(nn) 和式界的证明方法 1）数学归纳法 猜测解-证明 2）对象限界 最大最小项限界；几何级数限界； 3）和式分解 简单的一分为二；更复杂的划分；积分近似； 4）Knuth求和： 使用数学归纳法；使用摄动法；使用递归；使用积分；使用二重求和；使用有限演算；使用母函数。 4 递归关系式(ch4) 1.替换法 (1)猜测解(数学归纳法证明； T（n）=2T(?n/2?)+n 猜：T（n）= O(nlogn) 证: 2T(?n/2?)+n=Cnlogn 带入计算 (2)变量变换法； T（n）=2T(?n1/2?)+log n 令m= logn,则，n=2m T(2m)=2T(?2m -1/2?)+m ， 令S（m）=T(2m) 则：S(m)=2S?m/2?+m类似T（n）=2T(?n/2?)+n =O(m log m) =O(logn log log n) 2.迭代法 (1)展开法； T(1)=O(1) T（n）=3T(?n/4?)+n=n+3?n/4?+32?n/42?+…+3KT(n/4K) 总有K，使得1=n/4K=2,即K=log4 n (2)递归树法； T(n)=T(n/3