2第二章节 算法效率分析解析基础.pptVIP

/alogrithm * * * * * * * * * * * * * * * * * * * * * * * * * * *? School of Computer Science and Technology, SWUST Analysis and Design of Computer Algorithms *? School of Computer Science and Technology, SWUST 算法分析与设计 Analysis and Design of Computer Algorithms 第二章 算法效率分析基础 杨春明 西南科学技大学计算机学院 ? School of Computer Science and Technology, SWUST * 算法效率分析基础 算法分析是对一个算法需要多少计算时间和存储空间作定量的分析。 Time is Important 不是所有能计算的都有价值，不是所有有价值的都能被计算 ——阿尔伯特.爱因斯坦 ? School of Computer Science and Technology, SWUST * 教学内容 算法效率分析框架 算法效率的表示符号 非递归算法的效率分析 递归算法的效率分析 算法的经验分析 要求 掌握算法中近似时间的表示、非递归、递归算法的效率分析方法，了解算法的经验分析 ? School of Computer Science and Technology, SWUST * 分析框架——输入规模度量 输入规模度量 算法的时间效率和空间效率都用输入规模的函数进行度量。 对于所有的算法，对于规模更大的输入都需要运行更长的时间。 经常使用一个输入规模n为参数的函数来研究算法的效率。 选择输入规模的合适量度，要受到所讨论算法的操作细节影响。 ? School of Computer Science and Technology, SWUST * 分析框架——运行时间的度量单位 运行时间的度量单位 用算法的基本操作（算法中最重要的操作）的执行次数来度量算法的时间效率。 基本操作通常是算法最内层循环中最费时的操作。 算法运行时间的估计： T(n) ≈ copC(n) n是该算法的输入规模 cop是特定计算机上一个算法基本操作的执行时间 C(n)是该算法需要执行的基本操作的次数 ? School of Computer Science and Technology, SWUST * 分析框架——增长次数 增长次数 小规模输入在运行时间上的差别不足以将高效的算法和低效的算法区分开来。 一个需要指数级操作次数的算法只能用来解决规模非常小的问题 ? School of Computer Science and Technology, SWUST * 分析框架——算法的最优、最差和平均效率 算法的最优、最差和平均效率 最差效率是指在输入规模为n时，算法在最坏情况下的效率。 最优效率是指在输入规模为n是，算法在最优情况下的效率。 平均效率是指在“典型”或“随机”输入的情况下，算法具有的行为（效率）。 摊销效率是指对于同样的数据结构执行多次操作，然后分摊到每一次上。 ? School of Computer Science and Technology, SWUST * 渐进符号 算法效率的主要指标是基本操作次数的增长次数。 为了对这些增长次数进行比较和归类，计算机科学家们使用了3种符号： O（读“O”）：上界 Ω（读”omega”）：下界 Θ（读”theta”）：近似 ? School of Computer Science and Technology, SWUST * 符号O 定义1 对于足够大的n，t(n)的上界由g(n)的常数倍来确定，即： 记为t(n) ∈O(g(n)) t(n) ≤ cg(n)，c为常数 n ∈O(n2) 100n+5 ∈O(n2) n(n-1)/2 ∈O(n2) ? School of Computer Science and Technology, SWUST * 符号Ω 定义2 对于足够大的n，t(n)的下界由g(n)的常数倍来确定，即： 记为t(n) ∈ Ω(g(n)) t(n) ≥ cg(n)，c为常数 n3∈Ω (n2) n(n+1)∈Ω (n2) 4n2+5 ∈Ω (n2) ? School of Computer Science and Technology, SWUST * 符号Θ 定义3 对于足够大的n，t(n)的上界和下界由g(n)的常数倍来确定，即： 记为t(n) ∈ Θ(g(n)) c2g(n) ≤ t(n) ≤ c1g(n)，c1,c2为常数 n2+3n+2∈