算法设计-1.pptVIP

* 算法设计与分析 算法概述 算法的复杂性 （5）算术运算： O(f(n))+O(g(n)) = O(max{f(n),g(n)}) ； O(f(n))+O(g(n)) = O(f(n)+g(n)) ； O(f(n))*O(g(n)) = O(f(n)*g(n)) ； O(cf(n)) = O(f(n)) ； g(n)= O(f(n)) ? O(f(n))+O(g(n)) = O(f(n)) 。 * 算法设计与分析 算法概述 算法的复杂性 规则O(f(n))+O(g(n)) = O(max{f(n),g(n)}) 的证明： 对于任意f1(n) ? O(f(n)) ，存在正常数c1和自然数n1，使得对所有n? n1，有f1(n) ? c1f(n) 。 类似地，对于任意g1(n) ? O(g(n)) ，存在正常数c2和自然数n2，使得对所有n? n2，有g1(n) ? c2g(n) 。 令c3=max{c1, c2}， n3 =max{n1, n2}，h(n)= max{f(n),g(n)} 。 则对所有的 n ? n3，有 f1(n) +g1(n) ? c1f(n) + c2g(n) ? c3f(n) + c3g(n)= c3(f(n) + g(n)) ? c32 max{f(n),g(n)} = 2c3h(n) = O(max{f(n),g(n)}) . * 算法设计与分析 算法概述 算法的复杂性 图1 时间函数的增长率 常见的多项式阶有: O(1) O(logn) O(n) O(nlogn) O(n2) O(n3) O(2n) O(n!) O(nn) 常见的指数阶有: 对规模较小的问题,决定算法 工作效率的可能是算法的简 单性而不是算法执行的时间. 当比较两个算法的效率时, 若两个算法是同阶的,必须进 一步考察阶的常数因子才能 辨别优劣. * 算法设计与分析 算法概述 算法的复杂性 * n logn nlogn n2 n3 2n 1 0 0 1 1 2 2 1 2 4 8 4 4 2 8 16 64 16 8 3 24 64 512 256 16 4 64 256 4096 65536 32 5 160 1024 32768 4294967296 * 算法设计与分析 算法概述 算法的复杂性 3.渐进分析 时间复杂性渐进阶分析的规则:(最坏情况) 1). 赋值,比较,算术运算,逻辑运算,读写单个变量(常量)只需1单位时间 2). 执行条件语句 if c then S1 else S2 的时间为TC +max(TS1,TS2). 3). 选择语句 case A of a1: s1；a2: s2；...； am: sm 需要的时间为max（TS1,TS2 ,..., TSm）. 4). 访问数组的单个分量或纪录的单个域需要一个单位时间. 5). 执行for循环语句的时间=执行循环体时间*循环次数. 6). while c do s (repeat s until c)语句时间=(Tc+Ts)*循环次数. 7). 用goto从循环体内跳到循环体末或循环后面的语句时,不需额外时间 8). 过程或函数调用语句 对非递归调用,根据调用层次由里向外用规则1-7进行分析； 对递归调用,可建立关于T(n)的递归方程,求解该方程得到T(n). 例 题1-1 算法设计与分析 算法1-2:二分查找 (假定c是A的最后一元) 例 题 1-1 分析:问题规模为m,元运算执行时间设为赋值a,判断t, 加法s, 除法d, 减法b. 最坏情况Tmax(m) = 6a+4t+2s+d+(2a+2s+3t+d) logm=13+8logm function b-search(c) { L:=1; U:=m; 2 found:=false; 1 while not found and U=L do 3 { i:=(L+U)div2; 3 if c=A[i] 1 then found:=true 1 else if cA[i] 1 then L:=i