数据结构1-帽2算法分析.pptVIP

该算法中的基本运算是两重循环中最深层的语句C[i][j]=A[i][j]+B[i][j],分析它的频度,即： T(n)= =O(n2) * 例： 　分析以下算法的时间复杂度。 int fun(int n) { int i,j,k,s; s=0; for (i=0;i=n;i++) for (j=0;j=i;j++) for (k=0;k=j;k++) s++; return(s); } 基本语句或基本操作 * 解：该算法的基本操作是语句s++,其频度： T(n)= =O(n3) 则该算法的时间复杂度为O(n3)。 * 最好情况：出现概率较大时分析 最差情况：实时系统 平均情况：已知输入数据是如何分布的， 通常假设等概率分布 结论：如果问题规模相同，时间代价与输入数据有关，则需要分析最好情况、最坏情况、平均情况。 1.4 算法及算法分析 最好情况、最坏情况、平均情况 * Void bubble_sort(int a[], int n){ //起泡排序：将a中整数序列按照升序重新排列 For(i=n-1, change=TRUE; i=1 change; --i){ change=FALSE; for(j=0; ji; j++) if(a[j]a[j+1]) {a[j] a[i+1]; change = TRUE} } } * 分析： 输入集合升序：基本操作次数为0 输入集合逆序：操作次数为：n(n-1)/2 T(n)= =4· =O(n2) * 分析下面语句的时间复杂度： i=1; while(i=n) i = i*2; 分析： * 设语句i = i*2的语句频度为f(n)，则有2 f（n）=n，即f（n）=log2n，所以该程序段的时间复杂度T（n）= O(log2n)。 分析下面语句的执行次数： i=0; s=0; n=100; do i = i+1; s = s+10*i while(NOT((in) AND (sn))); 分析： * 该程序段中，循环语句的执行次数为4（这时i = 4，s = 100），do循环中先执行循环体，后判断条件，直到条件为真时退出循环。 算法空间复杂度度量 一个算法一般占用三部分存贮空间 算法本身占用 输入、输出数据占用： 算法运行中临时占用空间（可变部分） 算法的空间性能以一个算法运行过程中临时占用的存储空间作为度量标准——算法空间复杂度，记作S(n)=O(f(n)) 时间和空间相互之间有一种制约关系，何者为重需视具体情况而定。 * 算法空间复杂度度量 若额外空间相对于输入数据量来说是常数，则称此算法为原地工作。 * * 基本操作的实现： 本书约定： 常量的定义： #define TRUE 1 #define FALSE 0 #define OK 1 #define ERROR 0 #define OVERFLOW -2 数据元素类型约定为：ElemType typedef int Status; //函数类型，函数结果状态代码 * 练习： 1、有下列运行时间函数,分别写出相应的大O表示的运算时间。 (1) T1 (n)=1000; (2) T2 (n)=n^2 +1000n; (3) T3(n)= 3n^3+100n^2+n+1; 2、分析下面语句的时间复杂度： for(i=1;i=n;i++) (2) i=1;k=0; for(j=1;j=i;j++) while(i=n-1){ s++; k+=10*i; i++;} * 解答： 2、分析下面语句的时间复杂度： for(i=1;i=n;i++) (2) i=1;k=0; for(j=1;j=i;j++) while(i=n-1){ s++; k+=10*i