算法的復杂性.docVIP

算法的复杂性 傅清祥 王晓东算法与数据结构 , 电子工业出版社,1998 摘要 本文介绍了算法的复杂性的概念和衡量方法，并提供了一些计算算法的复杂性的渐近阶的方法。 算法的复杂性 1 简介 2 比较两对算法的效率 2 复杂性的计量 4 复杂性的渐近性态及其阶 7 复杂性渐近阶的重要性 11 算法复杂性渐近阶的分析 13 递归方程解的渐近阶的求法 17 递归方程组解的渐进阶的求法——代入法 18 递归方程组解的渐进阶的求法——迭代法 21 递归方程组解的渐进阶的求法——套用公式法 25 递归方程组解的渐进阶的求法——差分方程法 27 递归方程组解的渐进阶的求法——母函数法 31 简介 算法的复杂性是算法效率的度量，是评价算法优劣的重要依据。一个算法的复杂性的高低体现在运行该算法所需要的计算机资源的多少上面，所需的资源越多，我们就说该算法的复杂性越高；反之，所需的资源越低，则该算法的复杂性越低。 计算机的资源，最重要的是时间和空间（即存储器）资源。因而，算法的复杂性有时间复杂性和空间复杂性之分。 不言而喻，对于任意给定的问题，设计出复杂性尽可能地的算法是我们在设计算法是追求的一个重要目标；另一方面，当给定的问题已有多种算法时，选择其中复杂性最低者，是我们在选用算法适应遵循的一个重要准则。因此，算法的复杂性分析对算法的设计或选用有着重要的指导意义和实用价值。 关于算法的复杂性，有两个问题要弄清楚： 用怎样的一个量来表达一个算法的复杂性； 对于给定的一个算法，怎样具体计算它的复杂性。 让我们从比较两对具体算法的效率开始。 比较两对算法的效率 考虑问题1：已知不重复且已经按从小到大排好的m个整数的数组A[1..m]（为简单起见。还设m=2 k，k是一个确定的非负整数）。对于给定的整数c，要求寻找一个下标i，使得A[i]=c；若找不到，则返回一个0。 问题1的一个简单的算法是：从头到尾扫描数组A。照此，或者扫到A的第i个分量，经检测满足A[i]=c；或者扫到A的最后一个分量，经检测仍不满足A[i]=c。我们用一个函数Search来表达这个算法： Function Search (c:integer):integer; Var J:integer; Begin J:=1; {初始化} {在还没有到达A的最后一个分量且等于c的分量还没有找到时， 查找下一个分量并且进行检测} While (A[i]c)and(jm) do j:=j+1; If A[j]=c then search:=j {在数组A中找到等于c的分量，且此分量的下标为j} else Search:=0; {在数组中找不到等于c的分量} End; 容易看出，在最坏的情况下，这个算法要检测A的所有m个分量才能判断在A中找不到等于c的分量。 解决问题1的另一个算法利用到已知条件中A已排好序的性质。它首先拿A的中间分量A[m/2]与c比较，如果A[m/2]=c则解已找到。如果A[m/2]c，则c只可能在A[1],A[2],..,A[m/2-1]之中，因而下一步只要在A[1], A[2], .. ，A[m/2-1]中继续查找；如果A[m/2]c，则c只可能在A[m/2+1],A[m/2+2],..,A[m]之中，因而下一步只要在A[m/2+1],A[m/2+2],..,A[m]中继续查找。不管哪一种情形，都把下一步需要继续查找的范围缩小了一半。再拿这一半的子数组的中间分量与c比较，重复上述步骤。照此重复下去，总有一个时候，或者找到一个i使得A[i]=c，或者子数组为空（即子数组下界大于上界）。前一种情况找到了等于c的分量，后一种情况则找不到。 这个新算法因为有反复把供查找的数组分成两半，然后在其中一半继续查找的特征，我们称为二分查找算法。它可以用函数B_Search来表达：? Function B_Search ( c: integer):integer; Var L,U,I : integer; {U和L分别是要查找的数组的下标的上界和下界} Found: boolean; Begin L:=1; U:=m; {初始化数组下标的上下界} Found:=false; {当前要查找的范围是A[L]..A[U]。} {当等于c的分量还没有找到且U=L时，继续查找} While (not Found) and (U=L) do Begin I:=(U+L) div 2; {找数组的中间分量} If c=A[I] then Found:=Ture else if cA[I] then L:=I+1