算法的渐近效率.PPT

* The iterated logarithm function（多重对数函数） We use the notation lg*n to denote the iterated logarithm. Let lg(i)n be iterated function, with f(n)=lgn, that is lg(i)(n)=lg(lg(i-1)(n)) . lg(i)n is defined only if lg(i-1)n0. Be sure to distinguish lg(i)n from lgin. lg*n is defined as The iterated logarithms is a very slowly growing function: 265536 1080. Rarely encounter an input size n such that lg*n5. Fibonacci numbers Standard notation and common function * * 第二讲 函数增长 内容提要： 渐进记号 常用函数 级数 求和 级数求和 定义：有限和、无限和、级数收敛、级数发散的、绝对收敛级数 等差级数： 平方和与立方和： 几何级数： 调和级数： 级数的积分和微分： * * 确定求和时间的界 数学归纳法 1）计算级数的准确值 2）计算和式的界，如：证明几何级数 的界是 3）一个容易犯的错误，如：证明 确定级数各项的界 1）一个级数的理想上界可以通过对级数中的每个项求界来获得； 2）一个级数实际上以一个几何级数为界时，可以选择级数的最大项作为每项的界（注意防止犯错！） 分割求和：可以将级数表示为两个或多个级数，按下标的范围进行划分，然后再对每个级数分别求界。 * * 谢谢！ * * Q A 作业： 3.2-3 第三章思考题 3-2，3-3 * 一些文献中用 O-notation 来表示一致紧界。为表示f(n)属于集合O(g(n))，通常可以记为f(n)=O(g(n))。如果f(n)=theta(g(n))，则也蕴含着f(n)=O(g(n))，因为theta记号比O记号来得强。按照集合论中的写法，theta(g(n))属于O(g(n))。 * 一些文献中用 O-notation 来表示渐近确界，但是本课程利用theta记号来表示。O记号表示的是渐近上界，并没有不反映该上界是如何接近。 * Ω记号给出了一个函数的渐近下届，图（c)说明了Ω记号的直观意义。对所有在n0右边的n值，函数f(n)的数值等于或者大于cg(n)。 * * 根据到目前为止我们所见过的各渐近记号的定义，容易证明下面重要定理。 * 这里我们是利用渐近确界导出渐近上界和渐近下界，但是实际应用中一般都是用渐近上界和渐近下届来证明出渐近确界。 * 因为Ω记号描述了渐近下界，当它用来对一个算法最佳情况运行时间限界时，也隐含给出了在任意输入下运行时间的界。 例如，插入排序的最佳情况运行时间是Ω(n)，这隐含着该算法的运行时间是Ω(n)。 同样地，我们不能说插入排序算法的运行时间为Ω(n2)。这是因为存在一个输入（也就是已经排好序情况下），插入排序时间为Θ(n)。但是，可以说该算法的最坏运行时间为Ω(n2)。 当我们说一个”算法的运行时间为Ω(g(n))”时，我们是指对足够大的n值，对输入规模为n的任意输入，其运行时间至少是g(n)的一个常数倍。 * 我们已经见过了渐近记号在数学公式中的应用。如n=O(n2)，2n2+3n+1= 2n2+Θ(n)等，如何来解释这些公式呢？ 1）当渐近记号出现在等式的右边时，则等号表示左边的函数属于右边函数集合中的元素，即等号表示集合的成员关系。 2）一般来说，当渐近记号出现在某个公式中时，我们将其解释为一个不在乎其名称的匿名函数。如公式“2n2+3n+1=2n2+Θ(n)” 即表示“2n2+ 3n+1=2n2+f(n)”, 其中f(n)是某个属于集合Θ(n）的函数。这里3n+1也确实在Θ(n）中。 3）当渐近记号出现在等式左边的时候，这时候我们用如下规则来解释：无论等号左边的匿名函数如何选择，总有办法选取等号右边的匿名函数使等式成立。这样，对于任意函数f(n) ∈Θ(n)，存在函数g(n) ∈Θ(n2 ) ，使得对所有的n，有2n2 +f(n)=g(n)成立。换而言之，等式右边提供了较左边更少的细节。 4）利用2）3）我们就可以得到这么一个等式“2n2+ 3n+1=2n2+Θ(n)=Θ(n2)”.该等式的解释是：第一个等式说明存在函数f(n) ∈Θ(n),使对所有的n有2n2+ 3n+1 = 2n2+f(n) 。第二个等式说明，对任