数据结构第1单元(基础知识)精要.pptVIP

渐近时间复杂度 算法的执行时间通常用数量级的形式（大O记号） 表示： T(n)=O(f(n)) 其含义为：当问题规模n足够大时，算法的执行时间 T(n)和函数f(n)成正比。或者说，存在正常数c和n0， 当n≥n0时，有 |T(n)|≤c|f(n)|。 如果算法执行时间T(n)与问题规模n无关，则记作 T(n)=O(1)。 武汉大学国际软件学院 薛超英 2014年8月 用数量级形式表示的算法的执行时间，通常称为算法的渐近时间复杂度，或简称为时间复杂度。 用O(f(n))表示算法执行时间T(n)的时候，函数f(n)通常取较简单的形式，例如 1、log2n、n、nlog2n、n2、n3、2n 在n较大的情况下，常见的时间复杂度之间存在下 列关系： O(1) O (log2n) O (n) O (nlog2n) O (n2) O (n3) O (2n) 武汉大学国际软件学院 薛超英 2014年8月 定理1 若T(n)=amnm+am–1nm–1+…+a1n+a0是一个m次多项式,则 T(n)=O(nm) 武汉大学国际软件学院 薛超英 2014年8月 定理2 若T1(n)、T2(n)分别是算法P1、P2的执行时间，并且 T1(n) = O (f(n)) T2(n) = O (g(n)) 则依次执行算法P1和P2，总的执行时间 T(n) = O (max (|f (n)|，|g(n)|)) 武汉大学国际软件学院 薛超英 2014年8月 定理3 若T1(n)、T2(n)分别是算法P1、P2的执行时间，并且 T1(n) = O(f (n)) T2(n) = k(n) T1(n) 则 T2(n) = O (k (n)f(n)) 武汉大学国际软件学院 薛超英 2014年8月 分析举例1 假设A[1]～A[n]中存放了n个整数，下面程序段的功能 是确定其中值最大的整数在数组中的下标i。 请分析程序段中每个语句的执行次数，并用数量级形式 表示这个程序段的执行时间。 i=1; for(j=2;j=n;j++) if(A[j]A[i]) i=j; 1次 n次 n–1次 最多n–1次 语句总的执行次数是2n~3n–1次，程序段执行时间是O(n)。 武汉大学国际软件学院 薛超英 2014年8月 分析举例2 假设A[1]～A[n]中存放了n个整数，其中n100。下面程 序段的功能是求其中前100个整数的平均值。 请分析程序段中每个语句的执行次数，并用数量级形式表 示这个程序段的执行时间。 s=0.0; for(i=1;i=100;i++) s=s+A[i]; couts/100; 1次 101次 100次 1次 语句的执行次数和n无关，程序段的执行时间是O(1)。 武汉大学国际软件学院 薛超英 2014年8月 分析举例3 下面程序段的功能是从n阶整型矩阵中找出两个值最小 的整数。请分析其时间复杂度。 m1=32767; m2=m1; for(i=0;in;i++) for(j=0;jn;j++) if(A[i][j]m1) { m2=m1;m1=A[i][j]; } else if(A[i][j]m2) m2=A[i][j]; 执行第1行赋值语句所需时间是O(1)。 执行一遍内循环体所需时间也是O(1)。 由于内循环体总共执行了n2次,因此,程序段的执行时间为O(n2)。 武汉大学国际软件学院 薛超英 2014年8月 分析举例4 下面的程序段可用于求xn。 请分析其时间复杂度。 y=1;u=x;v=n; while(v0) { if (v%2==1) y=y*u; u=u*u;v=v/2; } couty; 执行时间主要用在while循环上。 由于v的初