数据结构 类Pascal版 严蔚敏 chapt1-兰州大学信息院.pptVIP

例1: 用过程实现求n! PROC fac1(n:integer; VAR f:integer); if n0 then ERROR; f:=1; for i:=1 TO n DO f:=f*i ENDP; 例2: 用函数实现求n! FUNC fac2(n:integer):integer; if n0 then ERROR; f:=1; for i:=1 TO n DO f:=f*i; RETURN(f) ENDF; 例3: 用递归函数实现求n! FUNC fac3(n:integer):integer; if n0 then ERROR; if n=0 then RETURN(1); RETURN(n*fac3(n-1)) ENDF; 例4: 将x、y、z中的整数值由大到小排列 PROC sort(VAR x,y,z:integer); if xy then [ t:=x; x:=y; y:=t ]; if yz then [ t:=z; z:=y; if x?t then y:=t else [ y:=x; x:=t ] ] ENDP; 如何衡量一个正确算法的好坏？ 三个尺度 运行所花费的时间（算法的时间特性）； 所占用存储空间的大小（算法的空间特性）； 其它（正确性、可读性、健壮性等）。 时间和空间特性的巨大改进源于更好的数据结构或算法。 算法分析 语句频度（Frequency Count）： 语句可能重复执行的最大次数。 时间复杂度（Time Complexity）： 设算法中所有语句的语句频度为t(n)，f(n)是当n趋向无穷大时与t(n)为同阶无穷大，则算法的(渐进)时间复杂度T(n)=O(f(n)) 其中：n为算法计算量或称为规模（size）； f(n)是运算时间随n增大时的增长率； O(f(n))是算法时间特性的量度。 时间复杂度 注1 O（）为渐近符号。 注2 空间复杂度S(n)按数量级递增顺序也与上表类同。 复杂度高 复杂度低 常见复杂度 3n+2=O(n) /* 3n+2?4n for n?2 */ 3n+3=O(n) /* 3n+3?4n for n?3 */ 100n+6=O(n) /* 100n+6?101n for n?10 */ 10n2+4n+2=O(n2) /* 10n2+4n+2?11n2 for n?5 */ 6*2n+n2=O(2n) /* 6*2n+n2 ?7*2n for n?4 */ 大O表示法 渐进符号(O)的定义： 当且仅当存在一个正的常数 C，使得对所有的 n ? n0,有 f(n) ? Cg(n),则f(n) = O(g(n)). 例：程序段 语句频度 时间复杂度 1. x=x+1; 1 O(1) 常数阶 2.for(i=1;i=n;i++)x=x+1; n+1 O(n) 线性阶 3. for(i=1;i=n;i++) n+1 for(j=1;j=n;j++)x=x+1; n(n+1) O(n2) 平方阶 算法分析示例 4. for(i=2;i=n;i++) n for(j=2;j=i;j++) n(n-1)/2 x:=x+1; (n-1)(n-2)/2 O(n2) 平方阶 5. for(i=1;i=n;i++) n+1 for(j=1;j=n;j++){ n(n+1) c[i][j]=0; n2 for(k=1;k=n;k++) n2 (n+1) c[i][j]= c[i][j] +a [i][k]