chap01绪论09.pptVIP

三、算法效率的 衡量方法和准则 通常有两种衡量算法效率的方法: 事后统计法 事前分析估算法 缺点：1．必须执行程序 2．其它因素掩盖算法本质 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 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。 假如，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，则可记作： T (n) = O(f(n)) 称T (n) 为算法的(渐近)时间复杂度。 如何估算 算法的时间复杂度？ 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 算法的执行时间 与 原操作执行次数之和 成正比 从算法中选取一种对于所研究的问题来说是 基本操作 的原操作，以该基本操作 在算法中重复执行的次数 作为算法运行时间的衡量准则。 例 1-5 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) 例 1-6 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。 } // select_sort 基本操作: 比较(数据元素)操作 时间复杂度: O(n2) 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; for ( i = 0; i n-1; ++i ) { if ( j != i ) a[j] ←→ a[i] } 例 1-7 起 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) } // bubble_sort 基本操作: 赋值操作 时间复杂度: O(n2) { 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 通常以最坏的情况下的时间复杂度为准。故该算法的时间复杂度为 O(n2) 。 从这三个例子可见，算法时间复杂度取决于最深循环内包含基本操作的语句的重复执行次数，称语句重复执行的次数为语句的“频度”。 四、算法的存储空间需求 算法的空间复杂度定义为: 表示随着问题规模 n 的增大， 算法运行所需存储量的增长率 与 g(n) 的增长率相同。 S(n) = O(g(n)) 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 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。 如上述几个例子的算法的空间复杂度均为O(1)，因为这三个算法所需辅助空间都只是若干简单变量，和问题规模无关。这类所需额外空间相对于输入数据量来说是常量的算法，被称作是原地工作的算法。 　　 也和算法时间复杂度的考虑类似，若算法所需存储量依赖于特定的输入，则通常按最坏情况考虑。 1. 熟悉各名词、术语的含义，掌握基本概念。 2. 理解算法五个要素的确切含义。 本章学习要点 3. 掌握计算语句频度和估算算