数据结构--第一章-绪论详解.pptVIP

* 1.5 对算法作性能评价 评价算法的标准： 评价一个算法主要看这个算法所占用机器资源的多少，而这些资源中时间代价与空间代价是两个主要的方面，通常是以算法执行所需的机器时间和所占用的存储空间来判断一个算法的优劣。 性能评价 有关数量关系计算 * 性能评价 定义： 对问题规模与该算法在运行时所占的空间S与所耗费的时间T给出一个数量关系的评价。 问题规模N—对不同的问题其含义不同： 对矩阵是阶数； 对多项式运算是多项式项数； 对图是顶点个数； 对集合运算是集合中元素个数。 * 有关数量关系计算 数量关系评价体现在时间——算法在机器中所耗费时间。 数量关系评价体现在空间——算法在机器中所占存储量。 关于算法执行时间 语句频度 算法的时间复杂度 数据结构中常用的时间复杂度频率计数 最坏时间复杂度 算法的空间复杂度 * 关于算法执行时间 定义： 一个算法的执行时间大致上等于其所有语句执行时间的总和，对于语句的执行时间是指该条语句的执行次数和执行一次所需时间的乘积。 分析： 不是针对实际执行时间的精确地算出算法执行具体时间，而是针对算法中语句的执行次数做出估计，从中得到算法执行时间的信息。 * 语句频度 定义： 语句频度是指该语句在一个算法中重复执行的次数。 例如： 两个矩阵相乘 算法语句 对应的语句频度 1 for（i=0；i n;i++） n 2 for （j=0；jn;j++） n2 3 {c[i][j]=0; n2 4 for (k=0;k n; k++) n3 c[i][j]=c[i][j]+a[i][k]*b[k][j]; n3 } 总执行次数：Tn=2n3+2n2 +n * 算法的时间复杂度 算法的时间复杂度，即是算法的时间量度记做： T(n)=O(f(n)) 例如给出X=X+1 （1）x=x+1 ；时间复杂度为O(1)，称为常量阶； （2）for (i=1; i= n; i++) x=x+1; 时间复杂度为O(n)，称为线性阶； （3）for (i=1; i= n; i++) for (j=1;j= n; j++) x=x+1; 时间复杂度为O(n2), 称为平方阶。 * 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排列的频率表： * 常用的时间复杂度频率计数 常用的时间复杂度频率表： log2n n nlog2n n2 n3 2n 一般讲：前3种可实现，后3种虽理论上是可实现的，实际上只有对N限制在很小范围才有意义，当N较大时，不可能实现。 0 1 0 1 1 2 1 2 2 4 8 4 2 4 8 16 64 16 3 8 24 64 512 256 4 16 64 256 5096 65536 5 32 160 1024 32768 2147483648 * 最坏时间复杂度 定义： 讨论算法在最坏情况下的时间复杂度，即分析最坏情况下以估计出算法执行时间的上界。 例如冒泡排序算法 * void bubble(int a[], int length) {将a中整数数组重新排序，达到递增有序} int i=0, j, temp; int change ; do{ change=false ; for(j=1;jlength-i;j++) if( a[j]a[j+1]) { temp= a[j]; a[j]=a[j+1]; a[j+1]=temp; change=true; } i=i+1 ; } while(ilength || change==true ) } 最坏时间复杂度 * 算法的空间复杂度 定义： 用空间复杂度作为算法所需存储空间的量度， 记做： S(n)=O(f (n)) 。 * 1.6 关于学习数据结构 数据结构课程地位 数据结构课程学习特点 关于本书