数据结构课件 j第1章 绪论.pptVIP

1.5 算法描述及分析 (1) 正确性 (correctness)。算法应满足具体问题需求，设计或选择的算法应能正确反映这种需求。 (2) 可读性 (readability)。算法主要是为了人的阅读及人与人之间的交流，其次才是机器执行。可读性好有助于人对算法的理解，晦涩难懂的程序易于隐藏较多错误难以调试和修改。 (3) 健壮性 (robustness)。当输入数据非法时，算法也能适当地作出反应或处理，而不会产生莫名其妙的输出结果。 (4) 高效率与低存储 (high efficiency and low memory)。效率指的是算法执行时间。一个问题若有多个算法可解决，则执行时间短的算法效率高。存储量需求指的是算法执行过程中所需的最大存储空间。 2. 算法的设计要求 * * 1.5 算法描述及分析 对解决问题的算法进行时间上的度量分析，或对解决同一问题的两种或两种以上的算法运行的时间加以比较，这种度量分析称为算法的时间复杂度分析。 3. 算法性能评价(算法效率的度量) 算法运行时间分析和程序运行时间分析的区别。同一个算法由不同的编程员所编出来的程序有优劣之分，程序运行时间也就不同；程序在不同计算机上运行的速度又和计算机本身的速度有关。 * 1.5 算法描述及分析 3. 算法效率的度量 (1) 估算算法运行时间的方法 估算算法运行时间方法：撇开所有与计算机硬件和计算机软件有关的因素，只确定依赖于问题的 “规模”（通常用整型量 n 表示）和确定算法执行 “基本操作” 的次数。一个算法的 “规模” 和 “基本操作” 要视具体算法而定。 “规模” 一般是指输入量的数目，比如在排序问题中，问题的规模可以是被排序的元素数目。 “基本操作” 一般是指在某个数据类型上的 “标准操作”，比如两个整数相加、比较两个整数的大小等都可以视为是基本操作。 * 1.5 算法描述及分析 3. 算法效率的度量 一个算法由控制结构（顺序、分支和循环）和原操作（固有数据类型的操作）构成，则算法时间取决于两者的综合效果。为了便于比较同一问题的不同算法，通常的做法是，从算法中选取一种对于所研究的问题（或算法类型）来说是 “基本操作” 的原操作，以该 “基本操作” 重复执行的次数(语句频度）作为算法运行时间的度量。 (2) 算法的时间复杂度 在一般情况下，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)，算法的时间度量记作：T (n) = O ( f (n) ) 此式表示随着问题规模 n 的增大，算法执行时间的增长率和 f (n) 的增长率相同，所以 T(n) 称作算法的时间复杂度 (time complexity)。 由于算法时间复杂度分析只考虑相对于问题规模 n 的增长率，因而在难以精确计算基本操作执行次数的情况下，只要求出它关于 n 的增长率即可。所以在计算任何算法运行时间代价的时候，忽略所有的常数和低次项. * 1.5 算法描述及分析 3. 算法效率的度量 例如：在下列三个程序段中 ① { ++x; s = 0; } ② for ( i = 1; i = n; ++i ) { ++x; s += x; } ③ for ( j = 1; j = n; ++j ) for ( k = 1; k = n; ++k ) { ++x; s += x; } 含基本操作“ x 增 1” 的语句的重复次数分别为 1、n 和 n2，则这三个程序段的时间复杂度分别为 O (1)、O (n) 和 O (n2)。 （３）数据结构中常用的时间复杂度频率计算 ⑷最坏时间复杂度 算法中基本操作重复执行的次数随问题输入数据集的不同而不同 Void bubble(int a[],int length){ /*对整数数组a递增排序*/ int i=0;j,temp; int change; Do { change=false; for (j=1;jlength-i; j++) if ( a[j]a[j+1]) { temp=a[j]; a[j]=a[j+1];