阻尼复杂度.doc

? PAGE 62 ? 数据结构与算法 ? PAGE 61 ? 第2章 复杂度分析 第2章 复杂度分析 2.1 计算复杂度和渐进复杂度 同一个问题往往可以由不同的算法解决，但是算法不同，效率也不同。对于处理数量较少的数据项而言，算法之间效率的差异也许微不足道，但是当数据量增长时，这种差异就会成比例地增长。为了使得算法效率具有可比性，Juris Hartmanis和Richard E.Stearns引入一种称为“计算复杂度”的度量标准来衡量一种算法的难易程度。 计算复杂度表示应用一种算法需要付出多大的努力或是成本是多少。这种成本可以用很多标准衡量，特定的应用场合决定了成本的不同含义。本书介绍两种衡量效率的标准：时间标准和空间标准。由于时间因素较之空间因素更为重要，所以考虑效率时通常关注处理数据所花费的时间。然而，即使是效率最低的算法，当运行在Cray计算机上时，也会比效率最高的算法在PC机上运行的执行效率要高，所以运行时间通常是系统相关的。举个例子，为了对一百个算法进行比较，就必须在同一台机器上运行这些算法。并且，即使在同一台机器上运行，运行时间的测试结果还跟算法所采用的语言有关。编译程序执行起来比解释程序要快得多。同一个程序，用C或Pascal写就比用BASIC或LISP写要快约20倍。 要评估一种算法的效率，就不能使用微秒或纳秒这样的实际时间单位，而应该采用某种逻辑