2算法第二章导引.pptVIP

O性质 对于非负的f(n)和g(n)，根据定义2.1，有如下性质： 1.O(f(n))+O(g(n)) = O(max(f(n), g(n)) ; 2.O(f(n))+O(g(n)) = O(f(n)+g(n)) ； 3.O(f(n)) O(g(n)) = O(f(n) g(n)) ； 4.如果g(n) = O(f(n)) ，则O(f(n))+O(g(n)) = O(f(n)) ； 5.O(cf(n)) = O(f(n)) ，其中c是一个正的常数； 6.f(n) = O(f(n))。 定理2.1 若A(n)=amnm+…+a1n+a0是一个m次多项式， 则A(n)=O(nm)。 证明：取n0=1，当n≥n0时 由A(n)的定义和不等式关系|A+B| ≤ |A|+|B| 有 |A(n)| = |amnm+…+a1 n+a0 | ≤ |am|nm+…+|a1 | n+|a0 | = (|am|+|am-1|/n …+|a0 |/nm ) nm ≤ (|am|+|am-1|…+|a0 |) nm 取 c= |am|+|am-1|…+|a0 |，有|A(n)| ≤c nm 即：A(n)=O(nm)，定理得证。 定理2.1表明，变量n的最高阶数为m的任一多项式，与nm同阶。因此一个计算时间为m阶多项式的算法，其时间都可以用O(nm)来表示。 若一个算法有数量级为c1nm1，c2nm2，… cknmk的 k个语句，则算法的数量级及计算时间就是 c1nm1+c2nm2+…+cknmk=O(nm) 其中 m=max{mi|1≤ i≤ k} 定理2.1：若A(n)=amnm+…+a1n+a0是一个m次多 项式，则A(n)=O(nm)。 数量级对算法有效性的影响P25-26 从计算时间上算法可以分为两类： 多项式时间算法(polynomial time algorithm): 用多项式来对其计算时间限界的算法 O(1)O(logn)O(n)O(nlogn)O(n2)O(n3) 指数时间算法(exponential time algorithm): 计算时间用指数函数限界的算法 O(2n)O(n!)O(nn) 不同时间复杂性函数的对比 定义2.2 当n充分大时，f(n)有下界，一个常数倍的g(n)是f(n)的一个下界。 f(n)的阶不低于g(n)的阶。 在确定f(n)的下界时，总是试图求出最大的g(n)。 有关证明中，找出c和n0是关键。 如果存在两个正常数c和n0，对于所有的n≥n0， 有|f(n)| ≥ c|g(n)|，则记作：f(n)=Ω(g(n))。 ?性质 对于非负的f(n)和g(n)，根据定义2.2，有如下性质： 1. ?(f(n))+ ?(g(n)) = ?(min(f(n), g(n)) ; 2. ?(f(n))+ ?(g(n)) = ?(f(n)+g(n)) ； 3. ?(f(n)) ?(g(n)) = ?(f(n) g(n)) ； 4.如果g(n) = ?(f(n)) ，则?(f(n))+ ?(g(n)) = ?(f(n)) ； 5. ?(cf(n)) = ?(f(n)) ，其中c是一个正的常数； 6.f(n) = ?(f(n))。 定义2.3 一个算法的f(n)=Θ(g(n))意味着该算法在最好和最坏情况下的计算时间就一个常数因子范围内而言是相同的。 如果存在正常数c1,c2和n0，对于所有的n≥n0，有 c1|g(n)|≤ |f(n)|≤ c2|g(n)|，则记作：f(n)=Θ(g(n))。 渐近表示函数的若干性质 传递性 f(n)= ?(g(n))， g(n)= ?(h(n)) ? f(n)= ?(h(n))； f(n)= O(g(n))， g(n)= O (h(n)) ? f(n)= O (h(n))； f(n)= ?(g(n))， g(n)= ? (h(n)) ? f(n)= ?(h(n))； 反身性 f(n)= ?(f(n))； f(n)= O(f(n))； f(n)= ?(f(n))。 常用的整数求和公式 通式： 一些数学证明方法 直接证明：P?Q 间接证明： 反证法 举反例 数学归纳法： 初始归纳：i=1 结论成立； 归纳假设：若i=n-1时成立； 归纳证明：证明i=n时成立。 作时空性能分布图 事后测试是在对算法进行设计、确认、事前分析和调试之后要做的工作，与所用计算机密切相关。 以时间分布图为例： 算法时间的准确测量 分布图的做法－数据集与时间复杂度有关 时钟不准确