数据结构-绪论浅析.ppt

3、选择执行的成分，如if语句的执行时间，决定于then子句、else子句耗时较多的部分 4、如果算法的执行时间是一个与问题规模n无关的常数，则算法的时间复杂度为常数阶，记作T(n)=O(1)。 5、函数的作用：一个语句本身的程序步数可能不等于该语句一次执行所具有的程序步数。 例如：赋值语句 x = sum(R,n); 本身的程序步数为1； 一次执行对函数sum(R,n)的调用需要的程序步数为 2*n+3；一次执行的程序步数为：1+2*n+3=2*n+4 分析下列三个程序段： ①++x; s+=x; O(1) 解：将x自增看成是基本操作，则语句频度为１，即时间复杂度为Ｏ(1) 如果将s=0看成是基本操作，语句频度为２，其时间复杂度仍为Ｏ(1)，即常量阶。 分析第二个程序段： ②for(i=1;i=n;++i) {++x;s+=x;}; O(n) 解：将x自增看成是基本操作，则语句频度为n，即时间复杂度为Ｏ(n) 如果将s=0看成是基本操作，语句频度为n，其时间复杂度仍为Ｏ(n)，即线性阶。 分析第三个程序段： ③for(i=1;i=n;++i) for(k=1;k=n;++k) {++x;s+=x;}; O(n2) 解：将x自增看成是基本操作，则语句频度为n2，即时间复杂度为O(n2) 如果将s=0看成是基本操作，语句频度为n2 ，其时间复杂度仍为O(n2)，即平方阶。 （二）时间复杂度分析的具体方法与约定 T(n, m) = T1(n)*T2 (m) = O(f (n)*g(m))   （三）时间复杂度的乘法规则 例 for (int i=0; in;i++) { for (int j=i; j=n; j++) if ( a[i]a[i] ) { int t=a[i]; a[i]=a[j]; a[j]=t; } } 总比较次数：≤n-1+n-2+…+2+1=(n-1)*n/2 ≤n2/2 ≤ n2. 时间复杂度为O(n2). T(n, m)=T1(n)+T2 (m)=O(max (f (n), g (m))) 两个并列循环的例子 void example (float x[ ][ ], int m, int n, int k) { float sum [ ]; for ( int i=0; im; i++ ) { //x[][]中各行 sum[i] = 0.0; //数据累加 for ( int j=0; jn; j++ ) sum[i]+=x[i][j]; } for ( i = 0; i m; i++ ) //打印各行数据和 cout “Line ” i “ : ” sum [i] endl; } 渐进时间复杂度为O(max (m*n, m)) （四）时间复杂度的加法规则 算法的空间复杂度: 算法所需存储空间的度量 记作: S(n)=O(f(n)) 其中n为问题的规模(或大小) 一维数组 a[n] 空间复杂度 O(n). 二维数组 a[m][n] 空间复杂度 O(m*n)=O(n2). 4.5 算法分析：空间复杂度 存储空间的固定部分程序指令代码的空间，常数、简单变量、定长成分(如数组元素、结构成分、对象的数据成员等)变量所占的空间 可变部分尺寸与实例特性有关的成分变量所占空间、引用变量所占空间、递归栈所用的空间、通过new和delete命令动态使用的空间 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（考虑递归栈空间）。 若输入数据所占空间只取决与问题本身，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。 4.5 算法分析：空间复杂度 * 第二章????? 数据结构与算法 2．1 概述 计算机加工处理的对象是数据，而数据之间有一定的内在联系，即数据具有一定的结构。因此我们要了解数据的逻辑