n算法概论.ppt

计算机算法设计与分析（第2版） 王晓东 编著 电子工业出版社 第1章 算法概述 学习要点: 理解算法的概念。 理解什么是程序，程序与算法的区别和内在联系。 掌握算法的计算复杂性概念。 掌握算法渐近复杂性的数学表述。 掌握用C++语言描述算法的方法。 算法(Algorithm) 算法是指解决问题的一种方法或一个过程。 算法是若干指令的有穷序列，满足性质： (1)输入：有外部提供的量作为算法的输入。 (2)输出：算法产生至少一个量作为输出。 (3)确定性：组成算法的每条指令是清晰，无歧义的。 (4)有限性：算法中每条指令的执行次数是有限的，执行每条指令的时间也是有限的。 程序(Program) 程序是算法用某种程序设计语言的具体实现。 程序可以不满足算法的性质(4)。 例如操作系统，是一个在无限循环中执行的程序，因而不是一个算法。 操作系统的各种任务可看成是单独的问题，每一个问题由操作系统中的一个子程序通过特定的算法来实现。该子程序得到输出结果后便终止。 问题求解(Problem Solving) 算法复杂性分析 算法复杂性 = 算法所需要的计算机资源 算法的时间复杂性T(n)； 算法的空间复杂性S(n)。 其中n是问题的规模（输入大小）。 算法的时间复杂性 （1）最坏情况下的时间复杂性 Tmax(n) = max{ T(I) | size(I)=n } （2）最好情况下的时间复杂性 Tmin(n) = min{ T(I) | size(I)=n } （3）平均情况下的时间复杂性 Tavg(n) = 其中I是问题的规模为n的实例，p(I)是实 例I出现的概率。 算法渐近复杂性 T(n) ?? , as n?? ; (T(n) - t(n) )/ T(n) ?0 ，as n??; t(n)是T(n)的渐近性态，为算法的渐近复杂性。 在数学上， t(n)是T(n)的渐近表达式，在直观上， t(n)是T(n)略去低阶项留下的主项。它比T(n) 简单。 渐近分析的记号 在下面的讨论中，对所有N，f(N) ? 0，g(N) ? 0。 （1）渐近上界记号O——大O表示法 如果存在正的常数C和自然数N0，使得当N?N0时有f(N)?Cg(N)，则称函数f(N)当N充分大时上有界，且g(N)是它的一个上界，记为f(N)=O(g(N))。即f(N)的阶不高于g(N)的阶。 （2）渐近下界记号? ——大?表示法 如果存在正的常数C和自然数N0，使得当N?N0时 有f(N)?Cg(N)，则称函数f(N)当N充分大时下有界，且g(N)是它的一个下界，记为f(N)=Ω(g(N))。即f(N)的阶不低于g(N)的阶。 （3）紧渐近界记号? ——? 表示法 定义f(N)=θ(g(N))当且仅当f(N)=O(g(N))且f(N)=Ω(g(N))。此时称f(N)与g(N)同阶。 （4）非紧上界记号o ——小o表示法 对于任意给定的ε＞0，都存在正整数N0，使得当N?N0时有f(N)/g(N)?ε,则称函数f(N)当N充分大时的阶比g(N)低，记为f(N)=o(g(N))。 等价于 f(N) / g(N) ?0 ，as N??。 例如，4NlogN+7=o(3N2+4NlogN+7)。 渐近分析记号的运算性质 根据O的定义，容易证明它有如下运算规则，如下这些规则也同样适用Ω和Θ表示法 ： (1) O(f)+O(g)=O(max(f,g))； (2) O(f)+O(g)=O(f+g)； (3) O(f)O(g)=O(fg)； (4) 如果g(N)=O(f(N))，则O(f)+O(g)=O(f)； (5) O(Cf(N))=O(f(N))，其中C是一个正的常数； (6) f=O(f)。 对性质（1）的证明如下页： 规则O(f(n))+O(g(n)) = O(max{f(n),g(n)}) 的证明： 对于任意f1(n) ＝ O(f(n)) ，存在正常数c1和自然数n1，使得对所有n? n1，有f1(n) ? c1f(n) 。 类似地，对于任意g1(n) ＝ O(g(n)) ，存在正常数c2和自然数n2，使得对所有n? n2，有g1(n) ? c2g(n) 。 令c3=max{c1, c2}， n3 =max{n1, n2}，h(n)= max{f(n),g(n)} 。 则对所有的 n ? n3，有 f1(n) +g1(n) ? c1f(n) + c2g(n) ? c3f(n) + c3g(n)= c3(f(n) + g(n)) ? c32 max{f(n),g(n)}