数据结构与算法教程朱明方吴及第1章绪论课件教学.pptVIP

* * * * * 1.3 算法与算法评价 例如，两个 n×n 矩阵A、B相乘运算，可用算法描述如下： for (i=1；i=n；i+ + ) for (j=1；j=n；j+ + ) { c[i, j]= 0 ； for (k=1；k=n；k+ + ) c[i, j]= c[i, j]+ a[i, k]* b[k, j]； (关键操作) } 关键操作的执行次数是： n3 即：算法的执行时间T(n)与 n3 有相同的增长率； 或者说： T (n) 与 n3 是同数量级的； 用 n3 表示该计算量的数量级，记作：O( n3 )。 1.3 算法与算法评价 一般地，若算法中关键操作执行的次数是 n 的某个函数 f (n) , 则算法的时间度量可记为：T (n) = O( f (n) ) 称之为：该算法的渐近时间复杂度，简称——时间复杂度； 算法中关键操作大多在循环、递归结构中： 单循环——循环内的操作； 多重循环——最内层循环的操作； 并列循环——分析各循环的时间复杂度，用大O加法规则: 设两并列算法段的时间复杂度分别为： T1(n)=O(f (n)), T2(m)=O(g (m))，则总的时间复杂度为： T(m, n)=T1(n)+T2(m)=O( max (f (n), g (m) )) 1.3 算法与算法评价 单重循环算法例： 求 1!+2!+…+n! int sum1(int n) { int i, p=1; s=0; for ( i=1; i=n; i++ ) { p*=i ; s+= p ; } return s ; } 算法的时间复杂度：O(n) 1.3 算法与算法评价 双重循环算法例： 求 1!+2!+…+n! int sum2 (int n) { int i, j, p, s=0 ; for ( i=1; i=n; i++ ) { p=1 ; for ( j=1; j=i; j++ ) p*= j ; s+=p ; } return s ; } 算法的时间复杂度：O(n2) 1.3 算法与算法评价 对于递归过程——递推出操作的执行次数， 例，有算法段： void sort (int a[], int k, int n) { int i, temp ; if (kn) { for (i=k; i=n; i++) if (a[i]a[k]) { temp=a[i]; a[i]=a[k]; a[k]=temp; } k++ ; sort(a, k, n) ; } } 1.3 算法与算法评价 设该算法执行时间为T(n)，则有： T(n)=T(n-1)+n-1 =T(n-2)+n-2+n-1=… =T(1)+1+2+…+n-2+n-1 = n(n-1)/2 该算法的时间复杂度为O(n2) 大O表示了一个算法执行时间增长的上界。 有些情况下，算法的时间复杂度与输入的数据有关，此时， 一般求出算法在最坏情况下的时间复杂度; 1.3 算法与算法评价 大O符号的定义： 若存在两个正常数c 和n0，任意对于的n≥n0 ，都有T(n)≤c?f (n) ，则称T(n)=O(f (n))。 含义： 执行次数 问题规模 n n0 C ? f (n) T(n) 1.3 算法与算法评价 上述时间复杂度为O(n3)、O(n2)的算法段，称其时间 复杂度是立方阶的和平方阶的 ; 一个算法的时间复杂度还可能是： 常数阶的：O(1) 线性阶的：O(n) 对数阶的：O(logn) 指数阶的：O(2n) 等 1.3 算法与算法评价 3. 算法的空间