[工学]清华大学第三版数据结构课件.pptVIP

也就是只求出T(n)的最高阶,忽略其低阶项和常系数,这样既可简化T(n)的计算,又能比较客观地反映出当n很大时算法的时间性能。 例如,T(n)=3n2-5n+10000=O(n2) 本质上讲，是一种最高数量级的比较 一个没有循环的算法的基本运算次数与问题规模n无关,记作O(1),也称作常数阶。 一个只有一重循环的算法的基本运算次数与问题规模n的增长呈线性增大关系,记作O(n),也称线性阶。 其余常用的还有平方阶O(n2)、立方阶O(n3)、对数阶O(log2n)、指数阶O(2n)等。 各种不同数量级对应的值存在着如下关系： O(1)O(log2n)O(n)O(n*log2n)O(n2) O(n3)O(2n)O(n!) 思考题： 　　为什么要进行算法的时间复杂度分析？ 例1.4 求两个n阶方阵的相加C=A+B的算法如下,分析其时间复杂度。 #define MAX 20 //定义最大的方阶 void matrixadd(int n,int A[MAX][MAX], int B[MAX][MAX],int C[MAX][MAX]) { int i,j; for (i=0;in;i++) for (j=0;jn;j++) C[i][j]=A[i][j]+B[i][j]; } 该算法中的基本运算是两重循环中最深层的语句C[i][j]=A[i][j]+B[i][j],分析它的频度,即： 　T(n)= =O(n2) 例1.5 　分析以下算法的时间复杂度。 int fun(int n) { int i,j,k,s; s=0; for (i=0;i=n;i++) for (j=0;j=i;j++) for (k=0;k=j;k++) s++; return(s); } 基本语句或基本操作 解：该算法的基本操作是语句s++,其频度： T(n)= =O(n3) 则该算法的时间复杂度为O(n3)。 例1.6 　分析以下算法的时间复杂度。 void func(int n) { int i=0,s=0; while (sn) { i++; s=s+i; } } 基本语句 解：对于while循环语句，设执行的次数为m，i从0开始递增1，直到m为止，有： s=0+1+2+…+(m-1)=m(m-1)/2， 并满足s=m(m-1)/2n，则有m＜ 。 T(n)=O( ) 所以，该算法的时间复杂度为O( )。 例1.7 有如下算法： void fun(int a[],int n,int k) //数组a共有n个元素 { int i; if (k==n-1) for (i=0;in;i++) 　　//n次 printf(%d\n,a[i]); else { for (i=k;in;i++)　　//n-k次 a[i]=a[i]+i*i; fun(a,n,k+1); } } 调用上述算法的语句为fun(a,n,0)，求其时间复杂度。 解：设fun(a,n,0)的时间复杂度为T(n),则fun(a,n,k)的执行时间为T1(n,k)，由fun()算法可知： T1(n,k)=n 当k=n-1时 T1(n,k)= (n-k)+T1(n,k+1) 其他情况 则 T(n)=T1(n,0)=n+T1(n,1)=n+(n-1)+T1(n,2) 　　=…=n+(n-1)+…+2+T1(n,n-1) 　　=n+(n-1)+ …+2+n 　　=O(n2) 所以调用fun(a,n,0)的时间复杂度为O(n2)。? 空间复杂度是对一个算法在运行过程中临时占用的存储空间大小的量度,一般也作为问题规模n的函数,以数量级形式给出,记作： S(n) = O(g(n)) 若所需额外空间相对于输入数据量来说是常数,则称此算法为原地工作。若所需存储量依赖于特定的输入,则通常按最坏情况考虑。 1.3.2 算法空间复杂度分析 例1.8 分析例1.4和例1.5的空间复杂度。 解：由于