1第一章讲导论_gying-201403.ppt

* （5）算术运算 O(f(n)) ? O(g(n)) ? O(max{f(n), g(n)}) ； O(f(n)) ? O(g(n)) ? O(f(n)?g(n)) ； O(f(n)) ? O(g(n)) ? O(f(n)?g(n)) ； O(cf(n)) ? O(f(n)) ； f(n) ? O(g(n)) ? O(f(n)) ? O(g(n)) ? O(g(n)) 。 ?、? 也有类似性质，证明方法类似。 渐近表示函数的若干性质 * 数学基础 （1）常用的整数求和公式 通式 * 算法渐近复杂性分析中常用函数 （2）单调函数 单调递增：m ? n ? f(m) ? f(n) ; 单调递减：m ? n ? f(m) ? f(n); 严格单调递增：m ? n ? f(m) ? f(n); 严格单调递减：m ? n ? f(m) ? f(n). （3）取整函数 ? x ? ：不大于x的最大整数； ? 2.5 ? ?2 ? 2 ? ? 2 ? x ? ：不小于x的最小整数。 ? 2.5 ? ? 3 ? 2? ? 2 * 取整函数的若干性质 x?1 ? ? x ? ? x ? ? x ? ? x ? 1； ? n/2 ? ? ? n/2 ? ? n; 对于n ? 0，a, b?0，有： ? ? n?a ??b ? ? ? n?ab ? ; ? ? n?a ??b ? ? ? n?ab ? ; ? a?b ? ? (a?(b ? 1))?b; ? a?b ? ? (a ? (b ? 1))?b; f(x) ? ? x ? , g(x) ? ? x ? 为单调递增函数。 * （4）多项式函数 p(n)? a0 ? a1n ? a2n2 ? ??adnd； ad?0; p(n) ? ?(nd); p(n) ? O(nk) ? p(n)多项式有界； p(n) ? O(1) ? p(n) ? c; * 指数函数一些性质 对于正整数m, n和实数a ? 0: a0?1; a1 ? a ; a-1 ? 1/a ; (am)n ? amn ; (am)n ? (an)m ; aman ? am+n ; a ? 1 ? an为单调递增函数; a ? 1 ? ? nb ? o(an) * ex ? 1+x; |x| ?1 ? 1?x ? ex ? 1 ? x ? x2 ; ex ? 1 ? x ? ?(x2), as x?0; * log n ? log2n; lg n ? log10n; ln n ? logen; logkn ? (log n)k; log log n ? log(log n); for a?0, b?0, c?0 （5）对数函数 * 测试程序 调试——调试只能指出有错误，而不能指出它们不存在错误。 源于程序正确性的证明还没有取得突破性进展。 时空分布图 用各种给定数据执行调试后的程序 测定计算时间和空间 印证之前的分析是否正确 指出实现最优化的有效逻辑位置 * 第二章 导 引 2.1 算法 2.2 分析算法及数学基础 2.3 用SPARKS语言写算法 2.4 基本数据结构 * 2.2 分析算法 算法分析目的 算法分析的准备工作 计算时间的渐进表示 一些证明方法 作时空性能分布图 * 算法分析的目的 算法分析(analysis of algorithms)是对一个算法需要多少计算时间和存储空间作定量的分析。 ——确定算法在什么样的环境下能够有效地运行。 分析在最好、最坏和平均情况下的执行情况。 ——针对不同输入数据，对同一算法性能作出比较。 ——针对同一问题的不同算法的有效性作出比较。 * 时间复杂性的形式化定义 算法的时间复杂性T(n)； 算法的空间复杂性S(n)； 其中n是问题的规模。 最坏情况下： Tmax(n) =max{ T(I) | size(I)=n } 最好情况下： Tmin(n) = min{ T(I) | size(I)=n } 平均情况下： Tavg(n) = 其中I是问题规模为n的实例， p(I)是实例I出现的概率。 * 算法运行假定的计算机类型 要求独立于具体的软硬件环境单纯分析算法。 假定使用一台通用计算机 顺序处理每条指令； 存储容量足够大； 存取时间恒定。 * 算法分析过程 确定算法所涉及的运算 分析算法语句的执行次数 分析算法的执行时间的渐进表示 确定出能反映算法在各种情况下工作