算法与设计第1章教材.ppt

第1章 算法概述 学习要点: ?1.1 理解算法的基本概念。 ?1.2 掌握算法的复杂性分析。 ?1.3 理解NP完全性理论相关知识。 1.1 算法的基本概念 1.1.1 为什么要学习算法 1.1.2 算法及其重要性质 1.1.3 算法的描述方法 1.1.4 问题求解的一般过程 1.1.5 重要的问题类型 1.1.1 为什么要学习算法 理由1：算法——程序的灵魂 问题的求解过程： 分析问题→设计算法→编写程序→整理结果 程序设计研究的四个层次： 算法→方法学→语言→工具 理由2：提高分析问题的能力 算法的形式化→思维的逻辑性、条理性 算法应用 ? 人类基因数据库分析 因特网信息管理 ? 电子商务：加密/解密，保护隐私 ? 火车、航班调度 ? 大科学计算 ? 应用软件 ? 实际应用。。。 算法可以看做一项技术 ?算法可以看作是一项技术 例 对于排序问题（问题规模：n=106） 插入排序算法：复杂度c1n2 合并排序算法：复杂度c2nlog2n 计算机A每秒能执行10亿条指令 计算机B每秒能执行1000万条指令 计算机A+插入排序算法(c1=2)，则计算机A花的时间为： 计算机B+合并排序算法(c2=50)，则计算机B花的时间为： 1.1.2 算法及其重要性质 算法是指解决问题的一种方法或一个过程。 算法是若干指令的有穷序列，满足性质： (1)输入：有外部提供的量作为算法的输入。 (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，执行每条指令的时间也是有限的。 算法与程序的区别 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。 1.1.3 算法的描述方法 ⑴ 自然语言 优点：容易理解 缺点：冗长、二义性 使用方法：粗线条描述算法思想 注意事项：避免写成自然段 1.1.4 问题求解的一般过程 1.2 算法分析 1.2.1 最好、最坏和平均情况 1.2.2 渐近符号 1.2.3 非递归算法的分析 1.2.4 递归算法的分析 1.2.5 算法的实验分析 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)。 其中n是问题的规模（输入大小）。 算法的时间复杂性 （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。 渐近分析的记号 在下面的讨论中，对所有n，f(n) ? 0，g(n) ? 0。 （1）渐近上界记号O O(g(n)) = { f(n) | 存在正常数c和n0使得对所有n? n0有：0 ? f(n) ? cg(n) } （2）渐近下界记号? ? (g(n)) = { f(n) | 存在正常数c和n0使得对所有n? n0有：0? cg(n) ? f(n) } （3）非紧上界记号o o(g(n)) = { f(n) | 对于任何正常数c0，存在正数和n0 0使得对所有n? n0有：0 ? f(n)cg(n) } 等价于 f(n) / g(n) ?0 ，as n??。 （4）紧渐近界记号? ? (g(n)) = { f(n) | 存在正常数c1,c2和n0使得对所有n? n0有：c1g(n) ? f(n) ? c2g(n) } 定理1： ? (g(n)) = O (g(n)) ? ? (g(n)) 渐近分析记号在等式和不等式中的意义 f(n)= ?(g(n))的确切意义是：f(n) ? ?(g(n))。 一般情况下，等式和不等式中的渐近记号?(g(n))表示?(g(n))中的某个函数。 例如：2n2 + 3n + 1 = 2n2 + ?(n) 表示 2n2 +3n +1=2n2 + f(n)，其中f(n) 是?(n)中某个函数。