第1章绪论与算法效率分析.pptVIP

非递归算法分析2 建立基本操作与输入规模 n 的函数关系 —— 增长函数 T(n) = ？ 分析：每循环一次，基本操作执行一次。循环次数为 n – 1 次 非递归算法效率分析的步骤： 1 确定输入规模 2 确定基本操作（一般在最内层循环里） 3 分析：基本操作执行次数与输入数据的分布情况有关吗？ —— 有关：分别进行最差、最佳、平均效率分析 4 建立增长函数：基本操作执行次数与输入规模 n 的关系 5 化简增长函数，确定增长函数的类型 T(n) 的类型：线性 复习：几个常用求和公式 常用求和公式（更多：教材附录） 例2：元素唯一性问题 【例2】检查数组元素是否唯一 算法 UniqueElement ( A[0...n-1] ) for i←0 to n-2 do for j←i+1 to n-1 do if A[ i ] = A[ j ] return false return true 输入规模：元素个数 n 基本操作：最内层循环的 比较 操作（无其他操作） 效率类别：有无最优、最差、平均效率？ 观察循环结束条件：若有相等元素，提前结束循环 —— 元素不唯一 最佳效率：开始两个元素相等。 Cbest(n) = 1 最差效率：没有相同元素或最后两个元素相等。这时，完成全部循环 比较次数 = 循环次数。下面分析 最差效率 Cworst(n) 平均效率：其他情况(略) i j 例2：元素唯一性问题(续) 外层 i 循环范围：0 →n – 2 内层 j 循环范围：i + 1 → n - 1 建立增长函数 —— 基本操作次数与输入规模 n 的函数关系 例3：【矩阵乘法】时间效率分析 【例3】矩阵乘法的时间效率分析 给定两个方阵 A 和 B，根据矩阵乘法定义计算它们之乘积。 算法 MatrixMultiplication (A[0...n-1][0...n-1], B[0...n-1][0...n-1]) for i←0 to n-1 do // 行循环 for j←0 to n-1 do // 列循环 M[ i ][ j ]←0.0 // 积矩阵初始化 for k←0 to n-1 do // 用变量 k 表示变化的脚标 M[ i ][ j ]←M[ i ][ j ] + A[ i ][ k ] * B[ k ][ j ] return M 如果是非方阵，只需改变行列循环变量的范围即可。本例均为 n-1 例3：【矩阵乘法】时间效率分析（续） 输入规模：方阵的阶 n 。非方阵：参与运算的元素个数。 基本操作：最内层循环有三种操作：乘法、加法、赋值。每次循环时， 每种操作均被执行一次，所以任选一种作为基本操作均可，因它们的 执行次数相同。考虑操作的时间耗费：大多数计算机的乘法比加法更 费时，算术运算比赋值操作更费时。所以，本例选乘法为基本操作。 效率类别：本例基本操作数只与输入规模有关，与输入元素分布无关， 不用分析最佳、最差和平均效率。 建立增长函数C(n) ： 例4：十进制正整数的二进制位数 【例4】计算十进制正整数 n 的二进制位数 b 算法的时间复杂性分析 算法 Binary(n) count ← 1 while n 1 do count ++ n ← return count 输入规模：n 基本操作：除法 效率类别：基本操作数只与 n 有关，不用分析最佳、最差和平均效率 增长函数：不是循环次数的简单求和式 —— 循环次数不能简单确定 基本操作数 = 循环次数： 有对数换底公式： 所以 C(n) 类型不写对数的底 → logn 向上取整： 每次规模减小一半 —— 减常因子算法（第五章），本例常因子 = 2 递归算法效率分析 递归算法效率分析 序列与递推关系 例：整数序列 2, 4, 6, 8, 10, 12, ... （正偶数序列） 0, 1, 1, 2, 3, 5, 8, ... （裴波拉契数序列） 函数表示法： x(n) —— 序列表示为函数形式 自变量 n ： 元素在序列中的位置（序号），n = 0, 1, 2, … 函数值 x(n) ：元素的值。如正偶数序列第2个元素 x(1) = 4 = x1