[算法基础1.pptVIP

算法基础 数学与统计学院 何光辉 算法概念 数学建模竞赛的过程 算法的概念 算法的分类 算法的评价 1.1 建模竞赛的过程 一般来讲建模比赛题是命题人提出实际问题 参赛人首先读题，分析问题，依照自己的理解准确阐述问题； 辨析问题中的主要矛盾和次要矛盾，并在合理假设的条件下，运用各种数学理论、工具和方法，建立起问题中不同量之间的约束关系，进而得到完备的数学模型； 再研究模型解的存在性与唯一性 阐述如何求其解，解的稳定性 利用求解结果对模型的正确性进行评价。 1.2 算法的概念 当数学模型的解析解得不到时，使用计算机进行求解。我们不会做的计算机肯定不会做，只有当我们会做，但因为数据计算量太大时，把自己的求解过程（算法）编写成程序，计算机将其编译、运行得到计算结果。 所谓（串行）算法就是求解一个问题类的无二义性的有穷过程，这里过程明确无歧义的描述由有限操作（算术运算、逻辑运算、字符运算、读写操作等）及有限操作对象合成的按一定顺序执行的有限序列。 原始的可以变化的有限操作对象就是有限输入数据，它所有可能允许的变化构成求解的问题类。 1.3 算法的分类 对给定的输入数据，算法运行后得到的数据结果也是有限的，这样可以把算法看成有限输入数据和有限输出结果之间的对应关系。 将以浮点算术运算为主的算法称为数值型算法，如线性方程组的求解，数值积分的计算，微分方程初边值问题的求解等。其它算法称为非数值型算法，如排序问题，匹配查找问题等。 1.4 算法的评价（1） 算法在保证可靠的大前提下再评价其优劣才是有价值的。 数值型算法的可靠性 算法的收敛性、稳定性、误差估计等 算法必须在有限的时间内得到计算结果，如果某问题类的一个求解过程是无限长，需要将其截断得到求解算法，并产生截断误差。 算法的收敛性就是研究当运行时间趋于无限长时，算法的解是否趋于真实解，即截断误差是否趋于零。 非数值型算法的可靠性更为强调对于整体问题类算法计算结果的正确性。 算法的评价（2） 评价一个可靠算法的优劣，应该考虑其时间复杂度（计算机运行时间）、空间复杂度（占据计算机存储空间的多少）以及逻辑复杂度（影响程序开发的周期以及维护）。 2．数值型算法的收敛阶 迭代是构造数值问题算法的基本思想之一，迭代的结果是得到问题解的一个近似序列. 如果对于问题类中任一问题，迭代次数k趋于无穷大时序列极限存在，并且就是该问题的准确解，则称该迭代算法收敛到问题的解。 2.1 数列收敛阶的定义 2.2 举例 2.3 2阶收敛举例 2.4 算法的收敛阶 类似地，如果收敛的数列是由迭代算法产生的，定义数列的收敛阶为算法的收敛阶。不过需要注意，算法是对问题类的算法，不是针对一个特定问题的，这样算法的收敛阶应该是由该算法生成的序列都具有的共同特征。 2.5 时间花费与收敛速度 对于不同的算法，若每一迭代步的时间花费相当，从收敛阶的定义可以知道，收敛阶高的算法花费较少的时间；对于同阶的算法，渐近常数小者花费较少的时间。 2.6 向量序列的极限 2.7 范数概念 2.8 常用向量范数 2.9 等价性定理、收敛速度 2.10 常用的矩阵范数 3 误差及数值算法的稳定性 误差的产生 模型建立时因舍去次要矛盾会产生模型误差； 模型中包含一些参数是通过仪表观测得到的，产生观测误差； 算法必须在有限步内执行结束，这样需要将无穷过程截断为有限过程，产生截断误差； 在用计算机实现数值算法的过程中，由于计算机表示浮点数采用的是固定有限字长，因而仅能够区分有限个信息，准确表示在某个有限范围内的某些有理数，不能准确表示数学中的所有实数，这样在计算机中表示的原始输入数据、中间计算数据、以及最终输出结果必然产生误差，称此类误差为舍入误差。 得到的计算结果是这些误差综合影响下的数据。 3.1 初值误差 由于误差传播研究困难，经常研究某种假设下误差的传播规律。如初值误差传播是在每一步都准确计算的假设下，即不考虑截断误差和由运算进一步引入的舍入误差，研究误差传播规律。 3.2 数值稳定性 舍入误差分析是非常繁杂困难的, 而舍入误差不可避免, 运算量又相当大, 为此, 人们提出了数值稳定性这一概念对舍入误差是否影响产生可靠的结果进行定性分析. 一个算法, 如果在运算过程中舍入误差在一定条件下能够得到控制, 或者舍入误差的增长不影响产生可靠的结果, 则称该算法是数值稳定的, 否则称其为数值不稳定. 稳定性不同于显著性 对算法的稳定性分析，其实就是给原始数据一个小扰动，分析计算结果变化的程度,若很大则算法不稳定，若可以接受，则算法稳定. 这里需要指出，算法的稳定性不同于建立模型过程中因素的显著性分析. 数值型算法设计注意事项 对于一个数值型