第2章_算法基础汇总.ppt

定义2.3 若存在三个正常数c1、c2和n 0 ，对于任意n≥n 0，都有c1 ×f(n) ≥ T(n)≥ c2 ×f(n)，就称T(n)＝ Θ(f(n)) 。 * Algorithm Introduction * Θ符号意味着T(n)与f(n)同阶，用来表示算法的精确阶。 问题的计算复杂性上下界（准确界） n0 问题规模n 执行次数 n0之前的情况无关紧要 T(n) c2×f(n) c1×f(n) 2.3.1 问题的计算复杂性下界 例：T(n)=3n-1，上界？下界？上下界？ 解： 当n≥1时，3n-1≤3n=Ο(n) 当n≥1时，3n-1 ≥ 3n-n=2n=Ω(n) 当n≥1时， 3n≥ 3n-1 ≥ 2n，则3n-1=Θ(n) 2.3.1 问题的计算复杂性下界 大Ω常与大O配合以证明某问题的一个特定算法是该问题的最优算法，或是该问题中的某算法类中的最优算法。一般情况下，如果能证明某问题的时间下界是Ω(g(n))，那么，对以时间O(g(n))来求解该问题的任何算法（其实就是确定算法的精确阶是Θ (g(n))），都认为是求解该问题的最优算法。 2.3.1 问题的计算复杂性下界 例2.10 如下算法实现在一个数组中求最小值元素，证明该算法是最优算法。 int ArrayMin(int a[], int n){ int min=a[0]; for(int i=1;in;i++) if(a[i]min) min=a[i]; return min; } 2.3.1 问题的计算复杂性下界 证明：算法需要进行n-1次比较，时间复杂性是O(n)。下面要证明问题的下界是Ω(n)，即对于任何n个整数，求最小值元素至少需要进行n-1次比较。 将n个整数分为三个动态的集合： A（待比较数集合），B（非最小数集合），C（最小数集合）。 任何一个通过比较求最小值元素的算法都要从(n,0,0)状态开始，最终到达(0,n-1,1)。这个过程实际上是将元素从A向B和C移动，但每次比较，至多能把一个较大元素从集合A移向集合B，因此，任何求最小值算法至少要进行n-1次比较，其时间下界是Ω(n)。 所以算法是最优算法。 初始状态 (n,0,0) 完成状态 (0,n-1,1) 算法运行 确定和证明某个问题的计算复杂性下界是很困难的，因为不可能枚举该问题的所有算法。事实中，存在大量问题，它们的下界是不清楚的。 2.3.2 平凡下界 平凡下界：使用计数方法得出的算法复杂性下界。即对问题的输入中必须要处理的元素进行计数，同时对必须要输出的元素进行计数，得到一个平凡下界。 例如，任何生成n个不同元素的所有排列对象的算法必定属于Ω(n!)，因为输出的规模就是n！ 平凡下界很容易得出，但往往过小而失去意义。例如，TSP问题的平凡下界是Ω(n2)（输入是n(n-1)/2个城市间的距离），但没有意义，至今没有找到一个多项式时间算法。 2.3.3 判定树模型 许多算法的工作方式都是对输入元素进行比较，例如排序和查找算法，故可以用判定树来研究这些算法的时间性能。 判定树：满足如下条件的二叉树： （1）每个内部结点对应形如x≤y的比较，根据关系成立与否，控制转移到左右子树； （2）每个叶子结点表示问题的一个结果。从根到叶子结点所走过的路径代表算法执行的过程，路径的长度即代表算法执行的时间 2.3.3 判定树模型 例2.11 用判定树模型求解排序问题的时间下界。 解：根据排序算法中的比较，建立起判定树来描述算法，则判定树的高度就是算法的下界。 补充材料：算法的实验分析 渐进分析能够在数量级上对算法进行精确度量，但数学不是万能的，许多貌似简单的算法很难用数学的精确性和严格性来分析，尤其在做平均效率分析时。 算法的实验分析是一种事后计算的方法，通常需要将算法转换为对应的程序并上机运行。例如可在程序中设置计数器变量来记录基本语句的执行次数。 void SubbleSort(int r[], int n){ int count1,count2=0; int bound,exchange=n-1; while(exchange!=0){ //当上一趟排序有记录交换时 bound=exchange;exchange=0; for(int j=0; jbound; j++) if( ++count1r[j]r[j+1]){ int temp=r[j]; r[j]=r[j+1]; r[j+1]=temp; count2+=3; exchange=j; //记载每一次记录交换的位置 } } cout“比较次数是”count1endl; cout“移动次数是”count2endl; } * Algorithm In