云大数据结构课程教学课件绪论.ppt

* * * * * * * * * * * * * * * 冒泡算法非优化程序 * 平均时间复杂度时间复杂度与输入数据有关时采用 * 渐进时间复杂度（阶） 渐进时间复杂度只考虑对于问题规模的增长率。 同阶 “算法渐近复杂性的阶对于算法的效率有决定性的意义！ 我们今后讨论算法复杂性时，基本只关心其渐近阶。 * 时间代价／空间代价 ? 算法的时间代价: 当问题的规模，由1增至n时, 解决该问题所占用的时间, 也以某单位由1增至f(n), 则称该算法的时间代价为f(n)。 ? 算法的空间代价: 当问题的规模，由1增至n时, 解决该问题所占用的空间, 也以某单位由1增至f(n), 则称该算法的空间代价为f(n)。 ? 时间/空间的权衡 * 大O 表示法的运算规则 单位时间 – 简单布尔或算术运算 – 赋值 – 简单I/O – 函数返回 加法规则: f1(n)+f2(n)=Ｏ(max(f1(n), f2(n))) – If结构，switch结构 乘法规则: f1 (n)· f2(n) = Ｏ(f1(n)·f2(n)) – for, while, do-while结构 * 时间复杂性 –sum = 0; for (i=1; i=n; i++) for (j=1; j=n; j++) sum++; – T(n) = c１＋c2n2 ≈O(n2) * 各增长率函数值的比较 增 长 率 函 数 曲 线 * 运行时间估计 ? 例：假设CPU每秒处理10 6 个指令，对 于输入规模为= 108的问题，时间代价为 T(n)=2n2的算法要运行多长时间？ – 操作次数为T(n)=T(108)=2×(108)2=2×1016 – 运行时间为2×1016/106 = 2×1010秒 – 每天有86,400秒，因此需要231,480 天(634 年) * 运行时间估计（续） ? 例：假设CPU每秒处理10 6 个指令，对 于输入规模为n = 108的问题，时间代价 为T(n)=nlogn的算法要运行多长时间？ – 操作次数为 T(n)=T(108)= 108 ×log108=2.66×109 – 运行时间为2.66×109/106 = 2.66×103秒，即 44.33分钟 * 指数型算法 多项式算法 快10倍的计算机所能解决的问题规模比较 算法 渐近时间 复杂性 在C1上可解 的规模N1 在C2上可解 的规模N2 N1和N2的关系 计算速度 * * * * * * * * * * * * * * * * * * * * * * 应用实例2：交通灯管理 把图1.2中的结点进行分组，使得有结点相连的结点不在同一个组里。 如果把上图中的一个结点理解为一个国家，结点之间的连线看作两国有共同边界，上述问题 就变成著名的“着色问题”：即求出最少要几种颜色可将图中所有国家着色，使得任意两个相邻的国家颜色都不相同。 通过上面的分析，我们就获得了该交通管系统的数学模型。下面就可以着手进行算法的设计。 * 解决实际问题的步骤 * 应用实例3：书目自动检索数学模型 线性关系 线性的数据结构 * 数据结构 数据结构是讨论非数值计算的数学模型在计算机中如何表示和实现的学科。 在数据结构中，我们不是讨论怎么从具体问题提出数据模型，而是讨论这些处理非数值计算的数据模型在计算机中如何表示以及如何实现他们的操作。 第二节 基本概念和术语 * 数据对象与数据结构 数据（data） 数据元素（data element） 数据对象（data object） 数据结构（data structure） 若在特性相同的数据元素集合中的数据元素之间存在一种或多种特定的关系，则称该数据元素的集合为“数据结构”，换句话说，数据结构是带“结构”的数据元素的集合。“结构”即指数据元素之间存在的关系。 * 四类基本数据结构 按关系或结构分，数据结构可归结为以下四类：集合结构、线性结构、树形结构、图状结构。　　 同属一个集合 一个对一个 一个对多个 多个对多个 * 数据结构的形式定义 数据结构是一个二元组　　　Data_Structures = ( D,S )其中：D是数据元素的有限集，S是D上关系的有限集。 例1-4，1-5 （page 5） * 逻辑结构与存储结构 数据结构应该包括数据的“逻辑结构”和数据的“物理结构”两个方面（层次）。 数据逻辑结构是对数据元素之间存在的逻辑关系的描述，它可以用一个数据元素的集合和定义在此集合上的若干关系表示。 数据物理结构是数据逻辑结构在计算机中的表示和实现，故又称数据“存储结构”。 存储结构是逻辑结构在存储器中的映象，它包含数据元素的映象和关系的