数据结构(C#+C)第一分析.ppt

* 各种不同数量级对应的值存在着如下关系： O(1)O(log2n)O(n)O(n*log2n)O(n2) O(n3)O(2n)O(n!) * 例1.4 求两个n阶方阵的相加C=A+B的算法如下,分析其时间复杂度。 #define MAX 20 /*定义最大的方阶*/ void matrixadd(int n,int A[MAX][MAX], int B[MAX][MAX],int C[MAX][MAX]) { int i,j; for (i=0;in;i++) for (j=0;jn;j++) C[i][j]=A[i][j]+B[i][j]; } * 该算法中的基本运算是两重循环中最深层的语句C[i][j]=A[i][j]+B[i][j],分析它的频度,即： T(n)= =O(n2) * 例1.5 分析以下算法的时间复杂度。 int fun(int n) { int i,j,k,s; s=0; for (i=0;i=n;i++) for (j=0;j=i;j++) for (k=0;k=j;k++) s++; return(s); } * 解：该算法的基本操作是语句s++,其频度： T(n)= =O(n3) 则该算法的时间复杂度为O(n3)。 * 4. 一个好算法应达到的目标 （1）正确性：算法应能满足设定的功能和要求 。 （2）可读性：思路清晰、层次分明、易读易懂 。 （3）健壮性：输入非法数据时应能作适当的反应和处理。 （4）高效性：执行同一问题时时间越短，算法的效率就越高。 （5）低存储量：完成同一功能，占用存储空间应仅可能少。 * 1-4-2 算法的效率 事后统计法 事先估算法 （1）使用何种程序设计语言； （2）采取怎样的 算法策略； （3）算法涉及的问题的规模； （4）编译程序产生的目标代码的质量； （5）机器执行指令的质量。 * 1-4-3 算法效率的评价 算法效率的评价用时间复杂度（所需运算时间）和空间复杂度（所占存储空间）表示，重点是时间复杂度 。 一个算法所需的运算时间通常与所解决问题的规模大小有关。 用n 表示问题规模的量 ，把算法运行所需的时间T表示为n的函数，记为T(n)。 不同的T(n)算法，当n增长时，运算时间增长的快慢很不相同。 * 一个算法所需的执行时间就是该算法中所有语句执行次数之和。 渐进时间复杂性：当n逐渐增大时T(n)的极限情况，一般简称为时间复杂度。 时间复杂度： 时间复杂度常用数量级的形式来表示， 记作T(n)=O(f(n))。 其中，大写字母O为Order(数量级)的字头，f(n)为函数形式，如T(n)=O(n2)。 * 当T(n)为多项式时,可只取其最高次幂项,且它的系数也可略去不写。 一般地，对于足够大的n，常用的时间复杂性存在以下顺序： O(1) O(lgn) O(n) O(n*lgn) O(n2) (n3)…O(2n) 其中,O(1)为常数数量级,即算法的时间复杂性与输入规模n无关。 * 【例1-7】交换A和B内容程序段的时间复杂度。 T=A; A=B; B=T; 解： 以上三条单个语句均执行1次，该程序段的执行时间是一个与问题n无关的常数，因此，算法的时间复杂度为常数阶,记作T(n)=O(1). * 【例1-8】计算下面求累加和程序段的时间复杂度。 （1） x=0；y=0 // 执行2次 （2） for (k=1;k=n;k++) （3） x++ // 执行n次 （4） for (i=1;i=n;i++) （5） for (j=1;j=n;j++) （6） y++； //执行n2次 解：T(n)=n2+n+2 T(n) =O(n2) 2. 空间复杂度（Spase Complexity） S(n)=O(f(n)) *