数据结构第1章绪论2.pptVIP

例：线性表这样的抽象数据类型。 数学模型：数据元素的集合； 该集合内的元素的关系：除第一个和最后一个外，每个元素有唯一的前趋和唯一的后继； 操作：插入一个元素、删除一个元素等。 算法与程序的区别 算法是解决问题的一种方法或一个过程，考虑如何将输入转换成输出，一个问题可以有多个算法。 程序是用某种程序设计语言对算法的具体实现。 主要区别：有穷性、正确性和描述方法 程序可以是无穷的，例如OS，算法是有穷的； 程序可以是错误的，而算法必须是正确的； 程序是用程序设计语言描述的，在机器上可以执行，算法还可以用自然语言、框图、高级程序语言等方式描述。 2.一个算法的“运行工作量”通常是随问题规模的增长而增长，因此比较不同算法的优劣主要应该以“问题规模增长的趋势”为准则。 例:求下列程序段各语句的频度。 (1)for(i=1; i=n;i++) n+1 x++; n 三. 算法效率的衡量方法和准则 1. 对一个算法要作出全面的分析衡量，可分别使用两种方法：事后统计和事前分析 事后统计 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： ⑴ 算法选用的策略 ⑵ 问题的规模 ⑶ 编写程序的语言 ⑷ 编译程序产生的机器代码的质量 ⑸ 计算机执行指令的速度 事前分析 与计算机硬件、软件有关 3.算法中所有语句的频度之和记做T(n)。 4.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)(算法中基本操作重复执行的次数是问题规模n的某个函数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 重复执行的次数 其重复执行次数和算法的执行时间成正比的原操作 “O”的数学含义是，若存在两个常量 c 和 n0 ,当n≥n0 时，　 T(n)≤cf(n)　 则记作　　 T(n)= O(f(n)) 例：T(n)=(n+1)2 　　当n0=1,c=4时 n≥1时，(n+1)2≤4n2 则T(n)=O(n2) ——(渐近)时间复杂度 (渐近)时间复杂度 T(n)=2n+1 O(n) T(n)=2n2+2n+1 O(n2) m+1 ——频度 m*(n+1) m*n T(n)=m+1 + m*(n+1) + m*n =2*m*n+2*m+1 T(n)=O(mn) for(i=1;i≤m;i++) for(j=1;j≤n;j++) x++; 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 通常，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。 (2) for(j=1;j=n;j++) n+1 for(k=1;k=n;k++) n*(n+1) x++; n*n T(n)=(n+1)+n=2n+1 T(n)=(n+1)+(n*n+n)+(n*n)=2n2+2n+1 (1) i=1; k=0; while (i=n-1){ k+=10*i; i++; } 语句频度T(n) i=1; k=0; do { k+=10*i; i++; } while (i=n-1) (2) 语句频度T(n) =n-1 =n-1 (3) k=0; for(i=1;i=n;i++) { for(j=i;j=n;j++) k++; i=1时；j循环n次 i=2时；j循环n-1次 … i=n时；j循环1次 语句频度T(n) =n+(n-1)+…+1 =(n-1+1)*(n+1)/2 【例】两个N×N矩阵相乘 void mult(int a[][], int b[][], int c[][] ) {