存在大於零的常数.pptVIP

Growth of Functions Chapter 3 Growth of Functions 3.1 Asymptotic notation Θ-notation: f(n) = Θ(g(n))，g(n) is an asymptotically tight bound for f(n)。 Θ(g(n)) = {f(n)| 存在大於零的常數 c1，c2，以及 n0 使得 0 ? c1 g(n) ? f(n) ? c2 g(n) 對於所有的 n ? n0 都成立} 範例: 證明 3n2 - 6n = Θ(n2)。 證明: 為了證明上面的式子，我們必須找到 c1,，c2，和 n0 符合下面的不等式： c1n2 ? 3n2 - 6n ? c2n2， (對所有 n?n0) 同除以 n2 得到 c1 ? 3 - 6/n ? c2 很明顯地，只要選擇 c1=2，c2=3 以及 n0=6 我們就可以證明 3n2 - 6n = Θ(n2)。 得證 註： f(n) = Θ(g(n)) 若且唯若 g(n)= Θ(f(n))，例如: n2=?(3n2-6n) O-notation: f(n) = O(g(n))，g(n) is an asymptotically upper bound for f(n)。 O(g(n)) = {f(n)| 存在大於零的常數 c and n0 使得 0 ? f(n) ? c2 g(n) 對於所有的 n ? n0 都成立} Θ(g(n)) ? O(g(n)) f(n) = Θ(g(n)) 意味著 f(n) = O(g(n)) 6n = O(n)，6n = O(n2) “執行時間為 O(n2)” 表示 “在最糟的情況下執行時間為 O(n2)” Ω-notation: f(n) = Ω(g(n))，g(n) is an asymptotically lower bound for f(n)。 Ω(g(n)) = {f(n)| 存在大於零的常數 c 和 n0 使得 0 ? cg(n) ? f(n) 對於所有 n ? n0 都成立} 註： f(n) = Θ(g(n)) 若且唯若 (f(n)=O(g(n))) (f(n)=Ω (g(n))) o-notation: f(n) = o(g(n)) (little-oh of g of n) o(g(n)) = {f(n)| 對於任何大於零的常數 c，都存在一個常數 n0 0 使得 0 ? f(n) cg(n) 對於所有的 n ? n0 都成立} 2n = o(n2)，但是 2n2 ? o(n2) f(n) = o(g(n)) 也可以被定義成 ω-notation: f(n) = ω(g(n)) (little-omega of g of n) ω(g(n)) = {f(n)| 對於任何大於零的常數 c，都存在一個常數 n0 0 使得 0 ? cg(n) f(n) 對於所有 n ? n0 都成立} 2n2 = ω(n)，但是 2n2 ? ω(n2) f(n) = ω(g(n)) 若且唯若 Comparison of functions 函數: ω Ω Θ O o 實數: ? = ? Transitivity，Reflexivity，Symmetry 任兩實數皆可互想比較大小(trichotomy)，但是任兩函數並不一定能夠互相比較。 例如： f(n)=n and g(n)=n1+sin n Appendix A: Summation formulas Exercises Problem 1: 為了解決一個問題而設計程式時，分析該演算法的執行時間複雜度是個很重要的依據。線性時間的演算法通常要比二次方時間的演算法受大家歡迎。 通常，問題的大小 n 可以決定演算法的執行時間，也許是要被排序的數字個數，或是多邊形的點的數目，等等。由於要算出一個演算法相對於 n 的執行時間公式不是很容易，如果能夠自動化那就太棒了。很不幸地，一般來說這是不太可能做到的，但是我們在這邊要考慮的程式是非常簡單的，所以把不可能變成了可能。我們的程式是根據下面的規則所建立的（BNF格式），其中 number 是大於等於零的整數。 Exercises Program ::= BEGIN Statementlist END Statementlist ::= Statement | Statement Statementlist Statement ::= LOOP-Statement | OP-Statement LOOP-Statement ::= LOOP-Header Statementlist END LOOP-