笔试讲义-资料结构与演算法-建中首页.PDFVIP

CK6126 康秩群 計算機概論 Computer Concepts - Algorithms, Data Structure 演算法，就是解決問題的方法，而在資訊科學中，特指能夠讓電腦來運算的一套方法； 資料結構則是在電腦中適當地存放資料，讓程式有效率地處理。某個電腦科學家曾經說過：「程 式 = 資料結構 + 演算法」，所以唯有使用好的資料結構和演算法，才能設計出好的程式。 Algorithms 演算法 演算法的的必備條件 1. 輸入(Input) ：接受零或數個輸入。(若輸入資料寫死於演算法中為Output only) 2. 輸出(Output) ：至少產生一個以上的輸出。 3. 明確性(Definiteness) ：演算法的每個步驟必頇清楚且明確。 4. 有限性(Finiteness) ：能在有限的步驟內結束，即有時間複雜度的上界。 5. 有效性(Effectiveness) ：每個步驟都是可實行的，且能用人工推算出結果(不管時間…) 。 演算法表示法 多用虛擬碼或流程圖來表示。前者平常想必經常看到 ；下列則是常見的流程圖圖形： 圖片來源2/senior/computer/ks_ks/book/algodata/algorithm/algo3.htm 時間複雜度 時間複雜度是指完成演算法所需的時間 ，一般為輸 入資料量n 的函數T(n) ，以「漸進式表示法」表示。 •O(Big-O) ：演算法時間上界 。可找到f(n)的某個 常數倍，n 大於某數時皆≧T(n) ，則T(n)=O(f(n)) 。 •Ω(毆買尬) ：演算法時間下界 。可找到f(n)的某個 常數倍，n 大於某數時皆≦T(n) ，則T(n)=Ω(f(n)) 。 •Θ(西塔) ：上界+下界。n 大於某數時，f(n)某個常 數倍≦T(n) ，另一常數倍≧T(n)則T(n)=Θ(f(n)) 。 Θ 是最為精確的表示法，但O 較常使用 ，因為我們 關心的是它的上限。 2 3 n O(1)O(logn)O(n)O(nlogn)O(n )O(n )O(2 )O(n !) ※在此log 以2 為底 空間複雜度 空間複雜度為演算法執行過程中瞬間使用的最大存儲空間 ，通常也使用漸進式表示法。 這樣考 ： 1.請問平常一個演算法如果有 的運算時間複雜度可以用下列何者表示 【97 軟設】 4 3 2 5 (A) Θ(n ) (B) O(n ) (C) Θ(n ) (D) Θ(n ) 2.以下等式哪一項是錯的： 【95 全國】 2 2 2 3 1.5 1.001 (A) 3n – n + 16 = O(n ) (B) 3n = O(n ) (C) 2nlogn = O(n ) (D) 2n = O(nlogn) 答案：1.(A) 2.(D) 97建中資訊科校內培訓講義 -計算機概論-9 CK6126 康秩群 Sort 排序 詳見皮神講義，頇熟悉各種排序法，了解其時間複雜度(平均、最差、如何避免最差) 、 是否穩定(Stable) ，並親自撰寫。看到某種排序法的虛擬碼或Code 能推出是何種排序。 2 •平均O(n ) ：Bubble(氣泡/泡沫) 、Insertion(插入) 、Selection(選擇) 、Exchange(交換) 。 •平均O(nlogn) ：Quicksort(快速) 、Merge(合併) 、Heap(堆積) 、Shell(謝爾/希爾) 。 •其他(O(n