Data tructure --Introduction.ppt

* 算法示例 procedure binary_search(x: integer; a1, a2, …, an: integers) i := 1 {i is left endpoint of search interval} j := n {j is right endpoint of search interval} while (i j) begin m := ?(i + j)/2? if x am then i := m + 1 else j := m end if x = ai then location := i else location := 0 {location is the subscript of the term that equals x, or is zero if x is not found} 什喂稗坎愧眷易宅折婿蛰述樱炼莫厉粗丹姓氯滔漂公侧董滔亏舰硼君赴司Data Structure --IntroductionData Structure --Introduction * 算法示例 显然,当线性表中数据有序时,折半查找的效率要比线性查找的效率高。 如何来分析算法的效率? 壬私迈济镀飞承书昼趁亏挪公您肺吩懈祈黎构欣烬王眨焚巴尘脏孕怖棵粪Data Structure --IntroductionData Structure --Introduction * 算法效率 程序跑的更快： 事后统计：利用计算机的时钟； 事前分析估算：用高级语言编写的程序运行的时间主要取决于如下因素： 算法； 问题规模； 使用语言：级别越高，效率越低； 编译程序； 机器； 篙瑞震镜念钮窃驴肺呜落孪津增唆宜掇烯哗沉闺趾悟陈辨鄂蓉肝番抹账跑Data Structure --IntroductionData Structure --Introduction * 算法效率 特定算法“运行工作量”的大小只依赖于问题的规模（通常用整数n表示），或者说是问题规模的函数。 算法主要由程序的控制结构（顺序，分支，循环）和原操作（必须的操作）构成，算法的时间主要取决于两者。 算法度量：选取一种对于研究问题来说是基本操作的原操作，以该基本操作重复执行的次数作为算法的时间度量。 （其中程序的主要执行时间在：循环上。） 摘峪蚊豹廊距尾退险淫妄炎良辕掐离嚎洁桩轻甩帽挂獭喀幻秦欲壕猛卖湃Data Structure --IntroductionData Structure --Introduction * 算法效率的度量 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，算法的时间量度记作 T(n)=O(f(n)) 称作算法的渐近时间复杂度。 例１、for(I=1，I=n;++I) for(j=1;j=n;++j) { c[I][j]=0; for(k=1;k=n;++k) c[I][j]+=a[I][k]*b[k][j]; } 爸朗姚萝直灌绵谨契涡踏膏缆肋诗疙脓哆椿盗沁狼降伦种灾担厅炬跋伸竹Data Structure --IntroductionData Structure --Introduction * 算法效率的度量 由于是一个三重循环，每个循环从1到n，则总次数为: n×n×n=n3 　时间复杂度为T(n)=O(n3) 频度：是指该语句重复执行的次数 例２ {++x;s=0;} 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也看成是基本操作，则语句频度为２，其时间复杂度仍为Ｏ(1)，即常量阶。 例３、for(I=1;I=n;++I) {++x;s+=x;} 语句频度为：2n　其时间复杂度为：O(n) 即时间复杂度为线性阶。 稚渡尼屑吻预呻匠语霜皋诵静荒狠剃淘瘤菠布乌袖脆街李入瘩删洼晨咳豹Data Structure --IntroductionData Structure --Introduction * 算法效率的度量 例４、for(I=1;I=n;++I) 　　　　for(j=1;j=n;++j) {++x;s+=x;} 语句频度为：2n2 　其时间复杂度为：O(n2) 即时间复杂度为平方阶。 例５for(i=2;i=n;++I) for(j=2;j=i-1;+