北京工业大学算法设计与分析题库.docx

一、算法时间复杂性问题 1. 试证明下面的定理： (1)如果f(n)=O(s(n))并且g(n)=O(r(n)),则f(n)+g(n)=O(s(n)+r(n));(2)如果f(n)=O(s(n))并且g(n)=O(r(n)),则f(n)*g(n)=O(s(n)*r(n))根据符号O的定义，存在正常数C1，C2和自然数N1,N2，使得对所有的n= N1，f（n）=C1s(n)；对所有的n= N2,g(n) =C2r(n)所以 f（n）+ g(n) = C1s(n)+ C2r(n)，f（n）*g(n)= C1C2s(n)r(n)； 令 C3=max（C1,C2），C4=C1*C2；则：f（n）+ g(n) = C3[s(n)+ r(n)]=O(s(n)+ r(n)) （n）*g(n) = C4*s(n)*r(n)=O(s(n)* r(n)) 2. 假设某算法在输入规模为n时的计算时间为：T（n）=3*2n ，在A型计算机上实现并完成该算法的时间为t秒，现有更先进的B型计算机，其运算速度为A型计算机的64倍。试求出若在先进的B型机上运行同一算法在则T秒内能求解输入规模为多大的问题？某台t秒内完成的基本运算的次数=3*2^n新机器t秒内完成的基本运算的次数=64*3*2^n=2^6*3*2^n=3*2^(n+6) 设N为B型机上t秒钟能求解的问题的规模所以T=T(N)=3*2^N=3*2^(n+6) 则：N=n+6 3. 试说明为什么“在现代计算机上运行指数（如2n）时间算法是不可能的，要想在顺序处理机上扩大所处理问题的规模，有效的途径是降低算法计算复杂度的数量级，而不是提高计算机的速度”。 Ο(1)＜Ο(log2 Ο(1)＜Ο(log2n)＜Ο(n)＜Ο(nlog2n)＜Ο(n2)＜Ο(nn) Ο(2 Ο(2n)＜Ο(n!)＜Ο(nn) 指数时间算法一般有Ο(2n)、Ο(n!)和Ο(nn)等。其关系为： 其中，最常见的是时间为Ο(2n)的算法。当n取得很大时，指数时间算法和多项式时间算法在所需时间上非常悬殊因为根本就找不到一个这样的m，使得2n囿界于n^m。换言之，对于任意的m≥0，总可以找到n0，当n≥n0时，有2n＞nm。因此，只要有人能将现有指数时间算法中的任何一个算法简化为多项式时间算法，那就取得了一个伟大的成就。Ο(log2n)、Ο(n)和Ο(nlog2n)比另外三种时间函数的增长率慢得多。～ 由这些结果可看出，当数据集的规模(即n的取值)很大时，要在现代计算机上运行具有比Ο(nlog2n)复杂度还高的算法往往是很困难的。尤其是指数时间算法，它只有在n值取得非常小时才实用。尽管通过提高计算机的速度比之前快1000倍，甚至10000倍，但当指数规模的n足够大时，n每增加1，1000倍的提速即可瞬间化为乌有，所以要想在顺序处理机上扩大所处理问题的规模，有效的途径是降低算法的计算复杂度的数量级，而不是提高计算机的速度。 简答 对计算复杂性的研究能够使人们弄清所求解问题的固有难度，并得出评价某类算法优劣的准则，用以指导设计出更高效的算法。试用简短的语言说明“建立一个问题复杂性的下界要比确定它的上界困难得多！”其复杂性上界是已知求解该问题的最快算法的费用，而复杂性下界只能通过理论证明来建立。寻求某个问题的计算复杂性上界，只要研究一个算法的复杂性即可。但是要寻求同一问题的计算复杂性下界，则必须考察所有的解决该问题的算法，证明一个问题的复杂性下界就需要证明不存在任何复杂性低于下界的算法。显然，建立下界要比确定上界困难得多。 满足何种性质的问题被称为NP完全问题？请简述研究NP完全问题的意义； （1）NP即是多项式复杂程度的非确定性问题。 而如果任何一个NP问题都能通过一个HYPERLINK /view/613580.htm 多项式时间HYPERLINK /view/7420.htm 算法转换为某个HYPERLINK /view/158424.htm NP问题，那么这个HYPERLINK /view/158424.htm NP问题就称为NP完全问题。如果一个NP完全问题能在多项式时间内得到解决，那么NP中的每一个问题都可以在多项式时间内解决。 （2）NP完全是指这样一类NP问题,所有的NP问题都可以用多项式时间划归到他们中的一个.所以显然NP完全的问题具有如下性质:它可以在HYPERLINK /view/2882625.htm 多项式时间内求解，当且仅当所有的其他的NP－完全问题也可以在多项式时间内求解。这样一来,只要我们找到一个HYPERLINK /view/1221246.htm NPC问题的多项式解,所有的NP问题都可以多项式时间内划归成这个NPC问题,再用多项式时间解决,这样NP就等于P了.NP完全性理论的重要性:知道一个问题是