算法与设计-第02章答辩.pptVIP

算法设计与分析;;2.1 算法复杂度 2.2 渐近表示法 2.3 递推关系;2.1 算法复杂度;2.1.1 什么是好的算法;程序健壮性（robustness) 是指当输入不合法数据时，程序应能做适当处理而不至于引起严重后果。其含义是：当程序万一遇到意外时，能按某种预定方式做出适当处理。 正确性和健壮性是相互补充的。 ;2.1.2 影响程序运行时间的因素;2.1.3 算法的时间复杂度;时间复杂度 一个算法的时间复杂度(time complexity)是指算法运行所需的时间。 设有一个在抽象机上运行的算法A，I是某次运行时的输入数据，其规模为n，则算法A的运行时间T是n和I的函数，记做T(n, I)。又设在该次运算中抽象机的第i个基本运算Oi的执行次数为?i，1≤i≤m，?i也是n和I的函数，记做?i(n, I)。那么，算法A在输入为I时的运行时间是：;最好、最坏和平均时间复杂度 最好时间复杂度 最坏时间复杂度 平均时间复杂??? ;2.1.4 使用程序步分析算法 ;【程序2-1】 求数组元素累加之和的迭代程序 float Sum(float list[], const int n) { float tempsum=0.0; count ++; //针对赋值语句 for (int i=0; in; i++ ) { count ++; //针对for循环语句 tempsum+=list[i]; count ++; //针对赋值语句 } count ++; //针对for的最后一次执行 count ++; //针对return语句 return tempsum; };【程序2-2】求数组元素累加之和的递归程序 float RSum(float list[], const int n) { count ++; //针对if条件 if (n) { count++; //针对RSum调用和return语句 return RSum(list, n-1)+list[n-1]; } count++; //针对return语句 return 0; };设RSum(list, n)的程序步为T(n) ;通过程序步来分析算法的时间复杂度：;【程序1-2】 欧几里德迭代算法 int Gcd(int m,int n) { if (m==0) return n; if (n==0) return m; if (mn) Swap(m,n); while(m0) { int c=n%m; n=m; m=c; } return n; };2.1.5 算法的空间复杂度;2.2 渐近表示法 ;程序步的精确计算是困难的，且程序步并不能确切反映程序运行的实际时间。 因此引入渐近时间复杂度,使用程序步在数量级上估计一个算法的执行时间，从而实现算法的事前分析。 在数学上，算法的渐近复杂度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。 当n→∞时，有(T(n)-t(n))/T(n) →0。 例如: 3n2+4nlogn+7 与 3n2;渐近分析的记号：O、Ω、 ? 、o、ω ;意义：该算法的运行时间不会超过g(n)的某个常数倍。;例2-1 f(n)=2n+3=O(n);因此，可选c=11, n0=5；;因此，可选c=11, n0=5；;例2-3 f(n)=n!=O(nn);例2-4 10n2+9?O(n) 使用反证法，假定存在c和n0，使得对 于n≥n0，10n2+9≤cn始终成立，那么 有10n +9/n≤c，即n≤c/10?9/(10n)总 成立。但此不等式不可能总成立，取 n=c/10+1时，该不等式便不再成立。;f(n)=amnm+am?1nm?1+?+a1n+a0 ?|am|nm +|am?1|nm?1+?+|a1|n+|a0| ?(|am|+|am?1|/n+?+|a1|/nm?1+|a0|/nm) nm ?(|am|+|am?1|+? +|a1| + |a0|) nm;渐近时间复杂度 使用大O记号及下面定义的几种渐近表示法表示的算法时间复杂度，称为算法的渐近时间复杂度(asymptotic complexity)。 只要适当选择关键