数据结构与算法第1章.pptVIP

通常，从算法中选取一种对于研究的问题来说是基本操作的原操作，以该基本操作重复执行的次数作为算法执行的时间度量。 例， for ( j = 1 ；j=n ；j++ ) X = X + 1 ； for ( i = 1 ；i=n ；i++ ) (c) for ( i = 1 ；i=n ；i++ ) X = X + 1 ； (b) X = X + 1 ； (a) 基本操作重复执行的次数分别为 1，n，n2 频度: 语句重复执行的次数称为该语句的频度，记f(n)。 设算法的问题规模为n； 时间复杂度: 算法执行时间度量,记T(n)=O( maxlevel(f(n)) )。 对算法各基本操作的频度求和，便可得算法的时间复杂度。 但实际中我们所关心的主要是一个算法所花时间的数量级，即取算法各基本操作的最大频度数量级。 f(n) = 1 + n + n2 + n3 T(n) = O( n3 ) O的数学定义: 若T(n)和f(n)是定义在正整数集合上的两个函数，则如果存在正常数C和n0,使得当n≥n0时，总满足0≤T(n)≤Cf(n),则记做T(n)=O(f(n)) 也就是只求出T(n)的最高阶（数量级）,忽略其低阶项和常系数,这样既可简化T(n)的计算,又能比较客观地反映出当n很大时,算法的时间性能。 2个N*N矩阵相乘 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] += a[i][k] * b[k][j]; } n+1 n(n+1) n2 n2(n+1) n3 T(n) = O( n3 )  （1） x=x+1 ； 其时间复杂度为O(1)， 我们称之为常量阶； （2） for (i=1; i= n; i++) x=x+1; 其时间复杂度为O(n)， 我们称之为线性阶； （3） for (i=1; i= n; i++) for (j=1; j= n; j++) x=x+1; 其时间复杂度为O(n2), 我们称之为平方阶。  此外算法还能呈现的时间复杂度有对数阶O(log2n), 指数阶O(2n)等。 常数阶 对数阶 线性阶 线性对数阶 平方阶 立方阶 ……… K次方阶 指数阶 常见的时间复杂度，按数量级递增排序： 例如： 下列程序段： for (i=1; i= n; i++) for (j=i; j= n; j++) x++; 语句x++的执行频度为 n+(n-1)+(n-2)+…+3+2+1 =n(n+1)/2 而该语句执行次数关于n的增长率为n2, 即时间复杂度为O(n2)。 5） 最坏时间复杂度 有时，算法中基本操作重复执行的次数随问题的输入不同而不同，通常分析最坏情况下的时间复杂度。 例，顺序查找算法 Status search ( int a[ ] ，int n ，int e ) { } for ( i = 0 ；i =n - 1 ；++i ) if ( e == a[i] ) return TRUE ； 最好 1 次比较，最坏 n 次比较，平均 (n+1)/2 次比较。 return FALSE ； 6） 算法的空间复杂度 关于算法的存储空间需求，类似于算法的时间复杂度， 我们采用空间复杂度作为算法所需存储空间的量度，记作： S(n)=O(f(n)) 课程的基本结构分为四个部分：  第一部分： 数据结构的基本概念（第1章）。 第二部分： 基本的数据结构，包括：线性结构——线性表、栈和队列、 串、 数组（第2~5章）；非线性结构——树、 图（第6、 7章）。 第三部分： 基本技术，包括：查找技术与排序技术（第9、10章）。 第四部分：算法设计技术。 数据结构 逻辑结构 存储结构 数据运算 （算法） 线性