数据结构第1章绪论要点解析.pptVIP

算法的性能分析与度量 ——和算法执行时间相关的因素： 1．算法选用的策略 2．问题的规模 3．编写程序的语言 4．编译程序产生的机器代码的质量 5．计算机执行指令的速度 算法的性能分析与度量 一个特定算法的“运行工作量” 的大小，只依赖于问题的规模（通常用整数量n表示），或者说，它是问题规模的函数。 算法的性能分析与度量 算法 = 控制结构 + 原操作 （固有数据类型的操作） 算法的执行时间 = ∑原操作(i)的执行次数×原操作(i)的执行时间 算法的性能分析与度量 时间的复杂度 从算法中选取对于所处理问题来说是关键步骤的程序语句作为基本操作，该基本操作重复执行的次数作为算法的时间量度。 基本操作重复执行的次数一般为问题规模n的某个函数f(n)，因此时间的复杂度T(n)记作 T (n) = O( f (n) ) 上式表示随着问题规模n的增长，算法执行时间T(n)和f(n)同比增长 时间复杂度例 语句++x为三个算法的基本操作，问题规模为n 三段程序中基本操作的执行次数分别为1、n和n2 故三段程序的时间复杂度分别为O(1)、O (n)和O (n2)，称为常量阶、线性阶和平方阶 // 例1 { ++x; //基本操作 s = 0; } // 例2 for (i = 0; i n; ++i) { ++x; //基本操作 s += x; } // 例3 for (i = 0; i n; ++i) for (j = 0; j n; ++j) { ++x; //基本操作 s += x; } 时间复杂度例 语句++x为算法的基本操作 算法中基本操作的执行次数是 0 + 1 + …. + (n – 2) = (n – 1) (n – 2) / 2 上式中随着n的增长，增长率最快的项是n2 ，故该算法的时间复杂度分别为O (n2) // 例4 for (i = 2; i = n; ++i) for (j = 2; j = i - 1; ++j) { ++x; //基本操作 s += x; } 时间复杂度例 例: 两个矩阵相乘 void mult(int a[], int b[], int c[] ) { // 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]; } //for } //mult 基本操作: 乘法操作 时间复杂度: O(n3) 时间复杂度例 例: 选择排序 void select_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 = 0; i n-1; ++i ) { j = i ;// 选择第 i 个最小元素 for ( k = i+1; k n; ++k ) if (a[k] a[j] ) j = k; if ( j != i ) a[j] ←→ a[i] } } // select_sort 基本操作:比较(数据元素)操作 时间复杂度: O(n2) 算法的性能分析与度量 算法的空间复杂度 算法的存储量包括: 1．输入数据所占空间 2．程序本身所占空间 3．辅助变量所占空间 算法的空间复杂度 若输入数据所占空间只取决于问题本身， 和算法无关，则只需要分析除输入和程序 之外的辅助变量所占额外空间。 若所需额外空间相对于输入数据量来说 是常数，则称此算法为原地工作。 若所需存储量依赖于特定的输入，则通 常按最坏情况考虑。 算法的空间复杂度 空间的复杂度 根据问题规模n，算法执行所需要的额外存储空间大小的量度 空间的复杂度S(n)记作 S (n) = O( f (n) ) 描述算法的语言 。一个算法可以采用多种表述方式，比如，人类的自然语言可以用来表述算法，但在很多情况下，算法描述更多地采用一些形式化方法。程序流程图就是一种形式化的算法描述，还可能采用判定表、判定树及状态转移图等多种方式。一种广泛使用的形式化算法描述方法，就是参照某种程序设计语言，设计出一种算法描述语言。算法描述语言和程序设计语言比较类似，但没有严格的语法规则，甚至可以在其中加入一些自然语言描述