算法的经验分析.docVIP

算法的经验分析 　　摘要：我们以前应用过许多算法分析，虽然这些技术能够成功应用于许多简单的算法，但即使有许多高级技术的支持，数学也远不是万能的。实际上我们能够证明，即使许多貌似简单的算法也是很难用数学的精确性和严格性来分析的。除了可以对算法的效率做数学分析以外，另一种主要的方法是对算法的效率做经验分析。 　　关键词：算法；效率；伪随机数；散点图 　　中图分类号：TP302文献标识码：A文章编号：1009-3044(2008)20-30281-02 　　 　　Empirical Analysis of Algorithms 　　LI Zhan-xin 　　（Guangdong Technical School of Metallurgy，Guangzhou 511430，China） 　　Abstract：Algorithmic analysis has been put into application in many ways.And it has been applied in many simple algorithm successfully. Though this technology has been supported by many other advanced techniques, mathematics are not definitely omnipotent. In fact it has been proved that it is difficult to analyze many seemingly simple algorithm through the accuracy and preciseness of mathematics.Besides mathematic analysis of efficiency of algorithm, we can focus on the empirical analysis of it. 　　Key words：Algorithms;efficiency;pseudo-random number;scatter diagram 　　我们常常希望算法具有许多良好的特性，除了正确性，最重要的的特性就是“效率”了。实际上，有两种算法效率：时间效率和空间效率。对特定算法设计技术使问题求解的有效策略。下面这个方案清楚地描述了算法分析中的经验分析。 　　 　　1 对算法效率做经验分析的通用方案 　　 　　(1)了解实验的目的。 　　(2)决定用来度量效率的量度M和度量单位（操作次数还是直接时间）。 　　(3)决定输入样本的特性（它的范围和大小等）。 　　(4)为实验准备算法（或者若干算法）的程序实现。 　　(5)生成输入样本。 　　(6)对输入样本运行算法（或者若干算法），并记录观察到的实验数据。 　　(7)分析获得的实验数据。 　　在做算法的经验分析时，我们的目标往往不尽相同。可选的目标包括：检验算法效率理论上的结论的精确性，比较相同问题的不同算法或者相同算法的不同实现的效率，先假定算法的效率类型，然后在特定的计算机上确定实现该算法的程序效率。显而易见，这种实验的设计依赖于实验者打算探寻什么答案。 　　2 对算法的效率进行度量的方法 　　第一种方法就是在算法的程序实现中插入一些计数器来对算法执行的基本操作次数进行计数。这常常是一种简单的操作，我们只要留心程序的哪些地方可以会出现基本操作，并保证对每次基本操作都进行计数。虽然这项工作常常很简单，我们每次修改完程序以后还要对程序做测试，一方面保证它能够正确解决问题，另一方面保证它对基本操作的计数是正确的。 　　第二种方法是记录待讨论算法的程序实现的运行时间。最简单的做法是利用系统命令，就像UNIX中的time命令一样。另一种测量程序段运行时间的做法是，在程序段德刚开始处（tstart）和才结束时（tfinish）查询系统的时间，然后计算着两个时间的差（tfinish―tstart）。再C和C++中，我们可以用clock函数来达到这个目的；在Java中，System类的currentTimeMillis()方法提供了这个功能。 　　然而，我们应该了解这样一些事实。第一，一般来说，系统时间并不是十分精确的，对相同程序的相同输入重复运行多次，可能会得到有轻微差异的统计结果。一个明显的补救办法是进行多次这样的度量，然后取它们的平均值或中值作为该样本的观察值。第二，由于现代计算机的速度很快，程序的运行时间可能被报告为0，使得记录完全失败。解决这种困境的标准做法是用一个特定的循环多次运行这段程序，度量总运行时间，然后除以循环的重复次数。第三，在一个运行分时系统（像UNIX）