1、算法和算法分析.pptVIP

1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 1、算法和算法分析 * * 物料管理 INTRO * * * 数据结构与程序设计考研复习大纲_SJTU 1、算法：一个算法就是有穷规则的集合，其中的规则规定了一个解决某一个特定问题的运算 序列。 2、算法的时间复杂性和空间复杂性： ·问题的规模(n)：或大小。如：矩阵的阶数、图的结点个数、被分类序列的正整数个数 …… ·时间复杂性：算法的所需的时间和问题规模的函数。记为 T(n)。当 n- ∞ 时的时间复杂 性，被称之为渐进时间复杂性。 ·空间复杂性：算法的所需的空间和问题规模的函数。记为 T(n)。当 n- ∞ 时的时间复杂 性，被称之为渐进空间复杂性。 ·最坏情况下的时间复杂性和平均情况下的时间复杂性。 最坏情况下的时间复杂性： 平均情况下的时间复杂性： 3、大 O 表示法： ·定义；如果存在着正的常数 c 和自然数 n0，当 n = n0 时；有 f (n) = Cg(n) 成立，则 称 f( n ) = O（g( n )) 。 在算法分析中， 如果一个的算法的时间复杂性是O(g( n ))，读作 g( n ) “ 级 ” 的 或 “ 阶 ” 的。 如： 线性阶的、平方阶的、立方阶的 …… ·例1、 设 T(n) = (n+1)2 = n2+2n2 +1 = n2 + 2n2 + n2; 在 n=1 时，等式成立，n1 时， 式成立 选 n0 = 1, c=4 ; T(n) = 4n2。所以，T(n) = O(n2) ·例2、 设 T(n) = 3n3+2n2 选 n0 = 0, c=5 ; T(n) = 5n3。所以，T(n) = O(n3) 同理：选 n0 = 0, c=5 ; T(n) = 5n4。所以，T(n) = O(n4)？？？ 注意：符合定义，但在算法分析中是没有意义的。 在算法分析中，通常所说的找到了时间复杂性的级别，是指找到了同样级别的最 简单的函数。 如：307 n2、 n2/2、 n2 都是同一级别的函数，最简单的函数是n2 。所以， 307 n2、 n2/2、 n2 的级别都是O(n2 ) 。 f、g同级别：满足： f=O(g) 且 g=O(f), ·例3、设 T(n) = 3n != O(2n) 注意： f(n)=O(g(n)) 意味着找到了 f(n) 的一个最“ 紧贴” 的上界 g(n)) 。或者说找 到了最低的上界。从算法的时间复杂性角度来看，象例2 中的 O(n4) 是没有 意义的。 紧贴渐进界：设存在一个函数 f(n)=O(g(n))，如果对于每一个函数 h(n)都使得 f(n)=O(h(n))，也使得 g(n)=O(h(n))，就说 g(n) 是 f(n) 的紧贴渐进界。 例如：f(n)=3n+5；f(n)= O(n) 同样根据定义 f(n)= O(n2) 。但是，我们通常所讲的 f(n) 的紧贴渐进界是f(n)= O(n) ，而不是f(n)= O(n2)。这可用反证法加以证明。 反证法：上例中 g(n)=n。假设 g(n)=n 不是 f(n)=3n+5的紧贴渐进界，那么必定存在一个函数 h(n)，使得 f(n)=3n+5= O(h(n)) ，但 g(n) != h(n)。由于 3n+5= O(h(n)) ，那么根据大 O 法的定义，必定存在二个正数c和n0，使得对于所有的 n = n0 ，3n+5 = c h(n)。 很显然，对一切 n = 0，有 n = 3n+5 ，所以 g(n) = c h(n)。 这样，根据大O 法的定义有 g(n)=O(h(n)) 。但这是同假设相矛盾的。因此， f(n)= O(n) 是一个紧贴渐进界。 关于更严格的“紧贴渐进界”的概念，请看