数据结构教研问题讨论.pptVIP

2006年1月 数据结构教研问题讨论 根据精品课建设要求，我们将共同来研讨有关数据结构与算法课程的开设和授课中的一些基本问题。主要内容包括： 数据结构与算法课程的设置 数据结构中的若干问题 算法基础中的若干问题 数据结构与算法课程实践 1.1 数据结构与算法课程设置 ⑴. 数据结构： 大部分高校在本科阶段只开设《数据结构》课程，没有开设算法课程。 ⑵. 数据结构与算法： 有些高校在本科阶段开设了《数据结构与算法》课程，将数据结构与算法的内容在一门课程中讲授。 ⑶. 数据结构，算法基础： 少数高校在本科阶段开设了《数据结构》和《算法基础》两门课程。 1.2 开设算法类课程的意义 算法+数据结构=程序 开设算法类课程的意义究竟是什么？ 在当前形势下，算法课程的授课内容应该如何选择和取舍？ 算法课程的教学方法应该如何顺应时代的要求？ 如何让算法教学更加适应IT业、软件产业、计算机事业等领域发展的需求？ 如何让算法更加具有实用性： 易学、易读、易懂、易扩展、易维护 …… 1.5 算法性能分析 算法性能分析： 主要对算法运行所需的时间和空间占用的情况进行分析和度量，这种度量是一种大概的把握。这样，需要一些符号或记号帮助我们描述这种度量结果--渐近记号。有了这样一种分析的方法，就可以在一种统一的框架或模型下对不同的算法进行要析，对不同算法的性能优劣进行对比。 渐近记号最早由 Knuth 先生引出。 影响算法运行时间的因素 算法的运行时间与下列因素有关： ① Numbers of inputs; ② The distribution of input data; ③ How the algorithm is implemented； ④ What kind of data structure is used； ⑤ Usually describe the running time of a program as a function of the input size。 平均情况和最坏情况 Best Case Running Time: 同样的输入规模，不同的数据分布情况下，最快情况的运行时间。 Worst Case Running Time: 同样的输入规模，不同的数据分布情况下，最慢或运行步数最多时的运行时间。 Average Case Running Time: 同样的输入规模，不同的数据分布情况下，平均所需的运行时间，通常指概率平均或期望值 。 平均情况 .VS. 最坏情况 ① Because it is so easy to cheat with the best case running time, we usually dont rely too much about it. ② The average running time is usually very hard to compute, we usually strive to analyze the worst case running time. The average case is often roughly as bad as the worst case. ③ The worst-case running time is an upper bound on the running time for any input, it is usually fairly easy to analyze and often close to the average or real running time. 。 渐近记号（一） ⑴ 大O 记号： 定义: f (n)=O(g(n)) 意味着存在正常数 C 和 n0 ,使得 当 n ≥ n0 , 均有 0≤ f (n) ≤ C g(n) 成立。 f (n)=O(g(n))表明，当 n→∞ 时， f (n)趋于无穷大的阶不大于(即小于等于) g(n)趋于无穷大的阶. Examples for O-notation ① ② 渐近记号（二） ⑵ 大? 记号： 定义: f (n)=Ω(g(n)) 意味着存在正常数 C 和 n0 ,使得 当 n ≥ n0 , 均有 0≤ C g(n) ≤f (n) 成立。 f (n)=Ω (g(n))表明，当 n→∞ 时， f (n)趋于无穷大的阶不小于 g(n) 趋于无穷大的阶. Examples for ? -notation ①