1复杂度与其分析B.pptVIP

第一章 复杂度及其分析 ;§1. 算法的复杂度 ;;;;;;;;;;;;规定时间内可处理的最大实例;不同计算机对问题实例大小的限制;;;如原来算法的复杂度T (n)＝ 2n ，则 2n = 3600 × 1000 问题实例大小 n = log 2 (3600 × 1000) ＝22 用算法A2则需时间 n 2 = 22 2＝484毫秒 ＝0．4秒 (一瞬间) 由此可见改进算法复杂度意义重大。;;;大O记号将复杂度表达式简单化了， 但最本质的东西被保留了。因此用来表示算法复杂度的数量级。;;定义 两个非负函数T(n)和g(n)定义在非负整数上， 如存在正数c，使T(n) ≧ c·g(n) 对无穷多的n取值成立。则记为 T(n)＝Ω (g(n)) 要注意的是，g(n)并不是T(n)的下界。 ;例 T(n) = n , n 为奇数 T(n) = n2 /100, n 为偶数 显然有 T(n) = Ω (n2), 只要令c = 1/100 但是n2不是T(n)的下界;如果 T(n) = Ω(nk), 则有 T(n) = Ω(n j) (j k) 若求复杂度的大O(nk)表示, 应当求出k的最大值;;;;选取基本运算, 只计算基本运算的执行次数. 不同问题应当选取不同的基本运算. 排序问题选取比较; 而矩阵乘法选取实数乘法和加法. 衡量算法的复杂度, 需要量化问题实例的大小. 排序问题 待排序的值的个数 矩阵乘法 两个矩阵的行数和列数 图问题 节点数和边的数目;实例大小确定之后, 工作量仍不确定, 还和实例的具体情况有关. 考虑平均情况 ∑ P(I)·t(I) I∈B(n) 其中B(n)为所有大小为n的实例的集合; I是实例; P(I)是实例I出现的概率; t(I)是算法对I运行所需要的工作量. 计算有很大困难, 因为P(I)和t(I)的计算都很困难.;所以使用最坏情况的工作量作为复杂度. 这比平均工作量的计算容易得多. 而且, 它还给出了工作量的上界. T(n) = max t(I) I∈B(n) ;例. 搜索问题的工作量. 被搜索空间含有n个元素. 平均工作量 (n+1) / 2 最大工作量 n 这里假设被搜索对象的概率相同;C. 简单性 往往和高效性矛盾 D. 最优性 问题的各种算法中, 算法A是工作量最小的. 证明方法: 先从理论上证明问题工作量的下限, 算法A的工作量达到了此下限, 则A是最优的.(不容易) ;E. 可读性 要求算法易于理解, 便于分析. 它也和高效性矛盾. F. 可修改性和可扩充性 为了解答与原问题相似的问题, 算法A稍做修改即可 为了扩大原软件的功能, 算法A稍做修改即可, 不必全部从头开始 ; 评判算法的标准 正确性 复杂度 简单性 最优性 可读性 可修改性和可扩充性 ; §3.复杂度分析;;;;;;;例 考虑归并排序算法，其函数如下 void MERGESORT(int I, int J) //对A数组下标为I到J的子数组进行归并排序 {int M； if (I!=J) { M＝(I+J) / 2； MERGESORT(I，M)； MERGESORT(M+1，J)； MERGE(I,J,M); //对两个子数组归并 } } 如要对一维数组A(有N个元素)进行排序，则用如下的语句 MERGESORT(0，N - 1) ;MERGE函数的复杂度为c ?n (n为元素个数, c为移动一个元素, 比较一次所花费的工作量) T(n)= 0, n=1 (只一个元素的数组无需排序) T(n)= 2 T(n/2) + c ? n = , n1;T(n)＝2T(n/2)+cn ＝2(2T(n/4)+c·n/2)+cn ＝22 T(n/4)+cn+cn ＝ 22 T(n/ 22)+cn+cn ＝ 23 T(n/ 23)+cn+cn+cn = … = 2k T(n/ 2k )+cn+．．．+cn+cn+cn， K个cn ＝ 2k ? O+kcn = kcn 由 n/ 2k ＝l 得 k＝log 2 n;所以 T(n)＝k·cn = c ·n·log 2 n 用大O记号则有 T