优·第1章-算法概述.pptVIP

算法分析的基本法则 非递归算法： （1）for / while 循环 循环体内计算时间*循环次数； （2）嵌套循环 循环体内计算时间*所有循环次数； （3）顺序语句 各语句计算时间相加； （4）if-else语句 if语句计算时间和else语句计算时间的较大者。 最优算法 问题的计算时间下界为?(f(n))，则计算时间复杂性为O(f(n))的算法是最优算法。 例如，排序问题的计算时间下界为?(nlogn)，计算时间复杂性为O(nlogn)的排序算法是最优算法。 堆排序算法与快速排序算法是最优算法。 递归算法复杂性分析 public static int factorial(int n) { if (n == 0) return 1; return n*factorial(n-1); } 谢 谢 算法设计与分析（第2版） 王晓东 编著 清华大学出版社 第1章 算法概述 学习要点: 理解算法的概念。 理解什么是程序，程序与算法的区别和内在联系。 掌握算法的计算复杂性概念。 掌握算法渐近复杂性的数学表述。 Java语言简单介绍。 算法(Algorithm) 简言之，算法是指解决问题的一系列计算步骤或过程。 算法是若干指令(或运算)的有穷序列，满足性质： (1)输入：有0 个或多个外部量作为算法的输入。 (2)输出：算法产生至少一个量作为输出。 (3)确定性：组成算法的每条指令是清晰，无歧义的。 (4)有限性：算法中每条指令的执行次数是有限的，算法总能在执行若干步后结束。 (5)能行性：算法中的每条指令必须是基本的 ，即每条指令能够精确执行，且执行时间是有限的。 程序(Program) 程序是算法用某种程序设计语言的具体实现。 程序可以不满足算法的性质(4)。 例如操作系统，是一个在无限循环中执行的程序，因而不是一个算法。 操作系统的各种任务可看成是单独的问题，每一个问题由操作系统中的一个子程序通过特定的算法来实现。该子程序得到输出结果后便终止。 问题求解(Problem Solving) 证明正确性 分析算法 设计程序 理解问题 精确解或近似解 选择数据结构 算法设计策略 设计算法 算法复杂性分析 算法复杂性 = 算法所需要的计算机资源 算法的时间复杂性T(n)； 算法的空间复杂性S(n)。 并行算法，分布式算法等还涉及通信复杂性C(n)。 其中，n是问题的规模（输入大小）。 算法的时间复杂性 在抽象的计算机模型 （如RAM）下： （1）最坏情况下的时间复杂性 Tmax(n) = max{ T(I) | size(I)=n } （2）最好情况下的时间复杂性 Tmin(n) = min{ T(I) | size(I)=n } （3）平均情况下的时间复杂性 Tavg(n) = 其中I是问题的规模为n的实例，p(I)是实 例I出现的概率。 算法渐近复杂性 T(n) ?? , as n?? ; (T(n) - t(n) )/ T(n) ?0 ，as n??; t(n)是T(n)的渐近性态，为算法的渐近复杂性。 在数学上， t(n)是T(n)的渐近表达式，是T(n)略去低阶项留下的主项。它比T(n) 简单。 在RAM下，为体现t(n)与T(n)的关系，有以下符号 … 渐近分析的记号 在下面的讨论中，对所有n0，f(n) ? 0，g(n) ? 0。 （1）渐近上界记号O 对于f(n) ，如果存在正常数c和n0 ∈N+，使得对所有 n? n0有0 ? f(n) ? cg(n) ，则记f(n)=O(g(n)) 。 f(n)=O(g(n))等价于 limf(n) / g(n)存在且不等于?。 （2）渐近下界记号? 对于f(n) ，如果 存在正常数c和n0 ∈N + ，使得对所有n? n0有：0? cg(n) ? f(n) ，则记 f(n) =? (g(n)) 。 f(n) =? (g(n))等价于 limf(n) / g(n)存在且不等于0。 （3）非紧上界记号o 对于f(n) ，如果对于任何正常数c0，都存在n0 ∈N + ，使得对所有n? n0有：0 ? f(n)cg(n) ，则记f(n) = o(g(n)) 。 等价于 f(n) / g(n) ?0 ，as n??。 也等价于 f(n) = O(g(n))且 g(n) ≠ O(f(n))。 （4）非紧下界记号? 对于f(n) ，如果对于任何正常数c0，都存在n0 ∈N + ，使得对所有n? n0有：0 ? cg(n) f(n) ，则记 f(n)=? (g(n))。 等价于 f(n) / g