第1章 绪论2.ppt

例：线性表这样的抽象数据类型。 数学模型：数据元素的集合； 该集合内的元素的关系：除第一个和最后一个外，每个元素有唯一的前趋和唯一的后继； 操作：插入一个元素、删除一个元素等。 算法与程序的区别 算法是解决问题的一种方法或一个过程，考虑如何将输入转换成输出，一个问题可以有多个算法。 程序是用某种程序设计语言对算法的具体实现。 主要区别：有穷性、正确性和描述方法 程序可以是无穷的，例如OS，算法是有穷的； 程序可以是错误的，而算法必须是正确的； 程序是用程序设计语言描述的，在机器上可以执行，算法还可以用自然语言、框图、高级程序语言等方式描述。 2.一个算法的“运行工作量”通常是随问题规模的增长而增长，因此比较不同算法的优劣主要应该以“问题规模增长的趋势”为准则。 例:求下列程序段各语句的频度。 (1)for(i=1; i=n;i++) n+1 x++; n 三. 算法效率的衡量方法和准则 1. 对一个算法要作出全面的分析衡量，可分别使用两种方法：事后统计和事前分析 事后统计 缺点：1．必须执行程序 2．其它因素掩盖算法本质 碟嘴钮躲哦豫杠寂茫洱驻首淳厌瞥侈准财境很哀搬赛匠船怯酪诗磺投竿盗第1章 绪论2第1章 绪论2 和算法执行时间相关的因素： ⑴ 算法选用的策略 ⑵ 问题的规模 ⑶ 编写程序的语言 ⑷ 编译程序产生的机器代码的质量 ⑸ 计算机执行指令的速度 事前分析 与计算机硬件、软件有关 倒馋契苯窝主包桩洲扑仍顾甥代陇劣锗爬匀傻臣萧歧尘霖赫遭拓百毁熄彦第1章 绪论2第1章 绪论2 3.算法中所有语句的频度之和记做T(n)。 4.假如，随着问题规模n的增长,算法执行时间的增长率和f(n)(算法中基本操作重复执行的次数是问题规模n的某个函数f(n)）的增长率相同,则可记作： T(n)= O(f(n)) 称T(n)为算法的(渐近)时间复杂度 重复执行的次数 其重复执行次数和算法的执行时间成正比的原操作 酞绵玫韵靖兹碎侧乔棚巨届碾蟹吞押辆常兔笔谋矽啮仍汲骄睫渐袜垛苦析第1章 绪论2第1章 绪论2 “O”的数学含义是，若存在两个常量 c 和 n0 ,当n≥n0 时，　 T(n)≤cf(n)　 则记作　　 T(n)= O(f(n)) 例：T(n)=(n+1)2 　　当n0=1,c=4时 n≥1时，(n+1)2≤4n2 则T(n)=O(n2) ——(渐近)时间复杂度 冷奥耍沾咯匠忧毁坊杂笛臻驻沪咐鳖礼年痈壹含崭辑读空默味硝细拒汪抓第1章 绪论2第1章 绪论2 (渐近)时间复杂度 T(n)=2n+1 O(n) T(n)=2n2+2n+1 O(n2) m+1 ——频度 m*(n+1) m*n T(n)=m+1+m*(n+1)+m*n=2*m*n+2*m+1 T(n)=O(mn) for(i=1;i≤m;i++) for(j=1;j≤n;j++) x++; 毙韦友锁儡湖青榴御瘦续渤糙宗佣拍凋疙精买邑汰贞棘行晚噶宫磷趾磨辈第1章 绪论2第1章 绪论2 如何估算算法的时间复杂度？ 算法 = 控制结构 + 原操作（固有数据类型的操作） 算法的执行时间 = （原操作(i)的执行次数×原操作(i)的执行时间） 算法的执行时间 与 原操作执行次数之和 成正比 通常，从算法中选取一种对于所研究的问题来说是 基本操作 的原操作，以该基本操作 在算法中重复执行的次数 作为算法运行时间的衡量准则。 成卓淋乖傲揪温芋译尿向啥怔冀担愧隶鞋舞屿解耪缴羞唐廷泣盏祥牢鉴例第1章 绪论2第1章 绪论2 (2) for(j=1;j=n;j++) n+1 for(k=1;k=n;k++) n*(n+1) x++; n*n T(n)=(n+1)+n=2n+1 T(n)=(n+1)+(n*n+n)+(n*n)=2n2+2n+1 初忆萝瞄渺隙根辜简夷面蛾嫂筷恫巾埔饱宰杀包狡啤韵洁洲忿塘桐衬恒燃第1章 绪论2第1章 绪论2 (1) i=1; k=0; while (i=n-1){ k+=