ch1绪论要点.ppt

* “基本操作”：该操作重复执行次数和算法的执行时间成正比的原操作。 算法的运行时间由算法中所有语句的频度之和构成。 算法的时间复杂度是由嵌套最深层语句的频度决定的。 §1.4 算法和算法分析 1.4.3 算法效率的度量 该语句重复执行的次数 * 渐进符号（O）的定义：当且仅当存在一个正的常数 C，使得对所有的 n ? n0 ，有 f(n) ? Cg(n),则f(n) = O(g(n)) 定理：若A(n)=amnm+am-1nm-1+?+a1n+a0是一个m次 多项式，则 A(n) = O(nm)。 说明: 在计算算法时间复杂度时，可以忽略所有低次幂 和最高次幂的系数。 §1.4 算法和算法分析 1.4.3 算法效率的度量 * §1.4 算法和算法分析 1.4.3 算法效率的度量 T (n) = O(f(n)) =O( n2) 例1：for (i=1; i=n; i++) for (j=1; j=n; j++) x++; 问题规模：n 基本语句：x++ 问题规模：输入量的多少。 基本语句：是执行次数与整个算法的执行次数成正比的操作指令。 * 例2：分析以下程序段的时间复杂度。 i=1; ① while(i=n) i=i*2; ② 分析：显然，语句①的频度是1。设语句②的频度是f(n)，则有： 即f(n)≤log2n，取最大值f(n)=log2n 所以该程序段的时间复杂度 T(n) = 1+f(n) =1+ log2n = O( log2n) §1.4 算法和算法分析 1.4.3 算法效率的度量 * 时间复杂度T(n)按数量级递增顺序为： 注1 空间复杂度S(n)按数量级递增顺序也与上表类同。 复杂度高 复杂度低 §1.4 算法和算法分析 1.4.3 算法效率的度量 * §1.4 算法和算法分析 1.4.3 算法效率的度量 有的情况下，算法中基本操作重复执行的次数还随问题的输入 数据集不同而不同。 除特别指明外，本书中讨论的时间复杂度均指最坏情况下的时间复杂度。 例如：冒泡排序 最好情况下，T(n) = O(1) 最坏情况下，T(n) = O(n2) 对这类算法的分析，一种解决办法是计算平均值，即考虑它对 所有可能的输入数据集的期望值。 但是，很多情况下，各种输入数据集出现的概率难以确定。 * S(n) = O( g(n) ) 表示随着问题规模 n 的增大，算法运行所需存储量的增长率与 g(n) 的增长率相同。 算法的存储量包括: 1．输入数据所占空间； 2．程序本身所占空间； 3．辅助变量所占空间。 §1.4 算法和算法分析 1.4.4 算法的存储空间需求 * 原地工作：若额外空间相对于输入数据量来说是常 数，则称此算法为原地工作。 注：若额外空间所占空间量依赖于特定的输入，则除 特别指明外，均按最坏情况来分析。 若输入数据所占空间只取决与问题本身，和算法无关，则只需要分析除输入和程序之外的辅助变量所占额外空间。 §1.4 算法和算法分析 1.4.4 算法的存储空间需求 * §1.4 算法和算法分析 例1-1 ++x; 例1-2 for (i=1; i=n; ++i)