AnalysisofAlgorithms2課件.pptVIP

Analysis of Algorithms(2) Pseudocode (伪代码) Solving Recurrences(解递归) While-循环最坏情形Θ(j). While-循环平均情形Θ(j/2),当插入位置有相同概率时. Pseudocode-Insertion Sort “←”表示”赋值“(assignment). 忽略数据类型、变量的说明等与算法无关的部分. 伪代码突出了程序使用的算法. Example of insertion sort 插入排序(Insertion sort)分析 最优二叉树(optimized binary tree) for m ←2 to n Θ(1) do {for i ←0 to n-m Θ(1) do{ j ← i + m Θ(1) w(i, j) ←w(i, j-1) + P(i) + Q(j) Θ(1) c(i, j)←minil?j { c(i, l-1) + c (l, j) } + w(i, j) } } W(n,n),P(n),Q(n),c(n,n) 是算法使用的数组,假定已初始化. Optimized binary tree minil?j { c(i, l-1) + c (l, j) }: Θ(j-i)=Θ(m) Inner for-loop:Θ(m(n-m))； Total :Θ(∑2≤m≤nm(n-m))=Θ(n3) 解递归 Solving Recurrences- (1)Recursion tree (2)Substitution method Merge-Sort Merging two sorted arrays Merge-Sort Analysis Recurrence for merge sort 隐含假定n=2h. 以cn代替Θ(n),不影响渐近分析的结果. “If n=1”,更一般的是“if nn0, T(n)=Θ(1)”：指:可找到足够大常数c1,使得 T(n)c1 if nn0. Recursion tree 解T(n) = 2T(n/2) + cn, 其中 c 0 为常数. 递归展开到T(n0),会导致推导的麻烦.所以展开到T(1).然后在从前n0个T(n)的值确定渐近分析的常数. Recursion tree Solve T(n) = 2T(n/2) + cn, where c 0 is constant. Recursion tree Solve T(n) = 2T(n/2) + cn, where c 0 is constant. Recursion tree 递归树等价于迭代展开 t(n)=2t(n/2)+cn=2[2t(n/22)+c(n/2)]+cn=22t(n/22)+2cn=……=2mt(n/2m)+mcn=nd+cnlog2n 令n=2m所以t(n)=Θ(nlog2n) 很多递归式用递归树解不出来,但递归树能提供直觉,帮助我们用归纳法求解(Guess 归纳假设). Conclusions Θ(n lg n)比Θ(n2)增长的慢. 所以,merge sort 渐近(asymptotically)优于插入排序. 实际上, merge sort 优于 insertion sort 仅当 n 30 or so. 1000*nlogn算法当n比较小时未必比n2算法要快. n足够大时前者才能看出优势. 当n≠2h 2h≤n2h+1= n=Θ(2h), h=Θ(logn) T(2h)≤ T(n) ≤ T(2h+1). 所以,Θ(h2h)≤T(n)≤Θ((h+1)2h+1) Θ((h+1)2h+1)=Θ(h2h+1+2h+1) =Θ(h2h+1)=Θ(h2h) 所以T(n)=Θ(h2h)=Θ(nlogn) 较一般的递归式 较一般的递归:T(n)=aT(n/b)+cn, a,b是大于1的整数,递归树方法仍可使用. 首先考虑n=bh情形: T(n)=ahT(1)+cn(1+(a/b)+┅