最新算法复杂度分析ppt模版课件.ppt

预备知识：对数函数 log n = log2n; lg n = log10n; ln n = logen; logkn = (log n)kl; log log n = log(log n); for a0,b0,c0， 2.1 算法分析体系及计量 2.1.1 算法分析的评价体系 2.1.2 算法的时间复杂性 2.1.3 算法的空间复杂性 2.1.4 NP完全问题 2.2 算法分析实例 2.2.1 非递归算法分析 2.2.2 递归算法分析 2.2.3 提高算法质量 此算法的频度不仅与问题规模n有关，还与输入实例中A的各元素取值及k的取值有关： 1. 若A中没有与k相等的元素，则语句(2)的频度f(n)=n；这是最坏情况。 2. 若A的最后一个元素等于k,则语句(2)的频度f(n)是常数1;这是最好情况。 在求平均情况时，一般地假设查找不同元素的概率P是相同的,则算法的平均复杂度为： 若对于查找不同元素的概率P不相同时，其算法复杂度就只能做近似分析，或在构造更好的算法或存储结构后，做较准确的分析。 ∑pi(n-i) i=n 1 1 n (1+2+3+)= = 一．进一步认识递归 1．执行过程 【例1】求N！ 2．实现机理简介 二．效率分析方法 1．代入法 2．迭代法 3．套用公式法 4．差分方程法 5．母函数法 * |x| ?1 ? for x -1, for any a 0, , ? logbn = o(na) 算法分析的任务: 对设计出的每一个具体的算法,利用数学工具，讨论其复杂度。 对算法的评价有两个大的方面： 一是人对算法的维护的方便性。 二是算法在实现运行时占有的机器资源的多少即算法的运行的时间和空间效率。 人对算法的维护主要有编写、调试、改正和功能扩充等工作,这就需要在算法设计时注重算法的可读性。为了算法的利用率,也要考虑算法的适用范围,注重算法的通用性、可重用性和可扩充性。 机器对算法的运行效率主要包括时间效率和空间效率。算法在完成功能的前题下最好是占用空间少而且执行时间短。 另外在算法实现时,要考虑算法在运行过程中与使用者进行交互的情况。这就要求,算法的交互部分要具有友好性和健壮性。 总之，对算法的分析和评价，一般应考虑正确性、可维护性、可读性、运算量及占用存储空间等诸多因素。其中评价算法的三条主要标准是： (1) 算法实现所耗费的时间； (2) 算法实现所所耗费的存储空间，其中 主要考虑辅助存储空间； (3) 算法应易于理解，易于编码，易于调 试等等。 1.和算法执行时间相关的因素： 1）问题中数据存储的数据结构 2）算法采用的数学模型 3）算法设计的策略4）问题的规模 5）实现算法的程序设计语言 6）编译算法产生的机器代码的质量 7）计算机执行指令的速度 2．算法效率的衡量方法 通常有两种衡量算法效率的方法: 1）事后统计法（有缺点，较少使用） 2）事前分析估算法 算法的时间效率是问题规模的函数。假如,随着问题规模n的增长,算法执行时间的增长率和f(n)的增长率相同,则可记作:T(n)=Ο(f(n)),称T(n)为算法的渐近时间复杂度(Asymptotic Time Complexity),简称时间复杂度。Ο是数量级的符号。 3．时间复杂度估算 因为： 算法=控制结构+原操作(固有数据类型的操作) 所以： 算法的执行时间= 原操作的执行次数*原操作 语句的频度指的是该语句重复执行的次数。 一个算法转换为算法后所耗费的时间,除了与所用的计算软、硬件环境有关外，主要取决于算法中指令重复执行的次数，即语句的频度相关。 一个算法中