01软件基础徐士良第一章节 算法_40学时.ppt

* 注意：减半递推的两个要点。 * 画图说明实根的可能位置 * 以一个8×8的棋盘格局说明皇后棋问题和回溯算法。 * 可以详细说明也可以略过，根据具体时间来看。 * 说明：仅用算法的执行时间来作为工作量的度量有其局限性。原因在于，不同的硬件设备对于同一个算法所进行的运行效率是不同的。这样无法从客观的角度来正确分析多个算法之间在时间上的差异。 * 举例说明顺序搜索法： 35 16 78 85 43 29 33 21 54 46。 * 分析：q=1，被查元素一定在序列中，即查找成功；q=1/2，成功与失败各占50%的两种情况下，平均查找长度ASL。 * 分析：n；n(n+1)/2；O(n2)。 它表示随问题规模n的增大，算法的执行时间的增长率和f(n)的增长率相同，称作算法的渐进时间复杂度，简称时间复杂度。 一般情况下，随n的增大，T(n)的增长较慢的算法为最优的算法。 例如:在下列三段程序段中，给出原操作x=x+1的时间复杂度分析。  （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。 4） 数据结构中常用的时间复杂度频率计数 数据结构中常用的时间复杂度频率计数有7个：  O(1) 常数型 O(n)线性型 O(n2)平方型 O(n3)立方型 O(2n)指数型 O(log2n)对数型 O(nlog2n)二维型 按时间复杂度由小到大递增排列成表1-3（当n充分大时）。 不同数量级的时间复杂度的形状如图1.6所示， 表1-3与图1.6是同一问题的不同表示形式。一般情况下，随n的增大，T(n)增长较慢的算法为最优的算法。从中我们应该选择使用多项式阶O(nk)的算法， 而避免使用指数阶的算法。 * 计算机软件技术基础 第一章 算法 * 补充：时间频度与时间复杂度 1. 时间频度 一个算法花费的时间与算法中语句的执行次数成正比例，哪个算法中语句执行次数多，它花费时间就多。 一个算法中的语句执行次数称为语句频度或时间频度。记为T(n)。 基本操作的执行次数 * 计算机软件技术基础 第一章 算法 * 2. 时间复杂度 在时间频度中，n称为问题的规模，当n不断变化时，时间频度T(n)也会不断变化。为了知道其变化的规律引入了时间复杂度概念。 若有某个辅助函数f(n)，使得当n趋近于无穷大时，T(n)/f (n)的极限值为不等于零的常数，则称f(n)是T(n)的同数量级函数。记作T(n)=Ｏ(f(n))，称Ｏ(f(n)) 为算法的渐进时间复杂度，简称时间复杂度。 * 计算机软件技术基础 第一章 算法 * 举例：在下面的程序段中，s= s + p；语句的执行次数为_________，p= p×j语句的执行次数为_________ ，该程序段的时间复杂度为_________ 。 int i=0, s=0, p=1; while( ++i=n ) { for(j=1; j=i; j++ ) p = p×j; s = s + p; } n n(n+1)/2 O(n2) * 计算机软件技术基础 第一章 算法 * 再举例：时间复杂度分析 算法的主要运算如下，其中i的初值为1，s的初值为0，则该算法的时间复杂度为_________。 while( in ) { for( j=1; j=n; ++j ) s+=a[i][j]; i*=2; } A. O(2n) B. O(n+log2n) C. O(nlog2n) D. O(n2) * 计算机软件技术基础 第一章 算法 * 补充说明 在各种不同算法中，若算法中语句执行次数为一个常数，则时间复杂度为O(1)； 另外，在时间频度不相同时，时间复杂度有可能相同，如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同，但时间复杂度相同，都为O(n2)。 * 计算机