数据结构及算法 第一章-5.ppt

三、算法的设计要求 算法的设计应满足： 1）正确性：对于合法的输入产生符合要求的输出； 2）可读性：算法应该易读、便于交流， 这也是保证算法正确性的前提；添加注释也是一种增加可读性的办法； 3）健壮性：当输入非法时， 算法还能做出适当的反应而不会崩溃， 如输出错误信息；算法中应该考虑适当的错误处理； 4）效率高且内存消耗小：效率高指运行时间短。存储指算法执行过程中所需的最大存储空间。 四、算法分析 算法分析通常有两种方法： 事后统计：不同算法的程序运行在同一组输入上，根据时间和空间的统计来比较优劣。 缺陷：事先编写程序； 依赖于程序运行的软硬件环境。 事前估计：一种不考虑算法的程序运行软硬件环境的分析方法。 一个算法的运行工作量的大小只依赖于问题的规模。通常考虑两个度量： —时间复杂度：算法执行的时间总数作为问题规模的函数。 —空间复杂度：算法执行时所占用的存储空间作为问题规模的函数。 1.时间复杂度 算法的时间复杂度是一个算法运行时间的相对量度。一个算法的运行时间是指在计算机上从开始到结束运行所花费的时间长短，是问题规模n的函数f(n)，对于给定规模的问题，它大致等于计算机执行一种简单操作(如赋值、比较、计算、转向、返回、输入、输出等)所需的时间与算法中进行简单操作次数的乘积。 因为执行一种简单操作所需的时间随机器而异，它是由机器本身硬软件环境决定的，与算法无关，所以我们只讨论影响运行时间的另一个因素——算法中进行简单操作次数的多少。 不管一个算法是简单还是复杂，最终都是被编译后分解成简单操作再通过CPU来具体执行的。因此，每个算法都对应着一定的简单操作的次数。显然，在一个算法中，进行简单操作的次数越少，其运行时间也就相对地越短；次数越多，其运行时间也就相对地越长。所以，通常把算法中包含简单操作次数的多少叫做该算法的时间复杂度，或者叫做时间复杂性，用它来衡量一个算法的运行时间性能或称计算性能。 反之，如果已知一个算法所包含的简单运算的次数，那么通过统计该算法的运行时间就可评估计算机的运算性能。（如评估超级计算机 Linpack基准） 统计算法从开始到运行终止时所需总程序步数T, 并将其视为问题规模n的函数T(n). T(n) 称为算法的时间复杂度。 T(n) = O(f(n)) 时间复杂度是衡量算法好坏的一个最重要的标准 复杂度的度量通常计算到数量级，即只要大致计算出相应的数量级（Order）即可，其数量级可由其同数量级函数g(n)得到，g(n)的定义为： 设f(n)的一个辅助函数g(n),定义为n大于等于某个正整数n0时，存在着两个正整数A和B（其中A≤B）,使得： 成立，则称g(n)是f(n)的同数量级函数。把T(n)表示成数量级的形式为： 由于g(n)往往是一些最基本的数量级函数（不带系数），因此在计算算法的时间复杂度时，采用g(n)要比使用原算法基本步数的统计函数f(n)更加简单。 例子： （1）简单操作： {y *= x;} {f(n)=2} （2） 累加求和： int sum(int b[],int n) { int s=0; for(i=0;in;i++) s+=b[i]; return s; } 把下列程序进一步分解为最基本的语句，可变为： i=0; //1次 Mark1:if(i=n) goto mark2 // n+1次 s+=b[i]; //n次 i++; //n次 goto mark1; //n次 Mark2:return s; //2次 算法的基本程序步之和为f(n)=4n+4,取g(n)=n，则,其同阶表示形式为T(n)=O(g(n))=n，即算法时间复杂度O(n)=n (3) 矩阵相加 void MatrixAdd(int a[Ms][Ms],int b[Ms][Ms],int c[Ms][Ms],int n) //实现矩阵a[n,n]和b[n,n]的加法，其和存入c[n,n]中 { int i,j; for (i=0;in;i++) for(j