算法设计与分析 第1章.pptVIP

算法设计与分析;关于本课程;本课程的主要任务 算法学习将涉及5个方面的内容： 1）设计算法：创造性的活动 2）表示算法：思想的表示形式 3）确认算法：证明算法的正确性 程序的证明 4）分析算法：算法时空特性分析 5）测试程序：调试和作出时空分布图 本课程集中于学习算法的设计与分析。通过学习，掌握计算机算法设计和分析基本策略与方法，为设计更复杂、更有效的算法奠定基础;第1章 算法概述;算法的研究内容; 算法的五个重要特性（其他教材的描述） 确定性、能行性、输入、输出、有穷性;2）能行性（教材中没有） 算法中有待实现的运算都是基本的运算，原理上每种运算都能由人用纸和笔在有限的时间内完成；它们可以通过已经实现的基本运算执行有限次来实现。 例：整数的算术运算是“能行”的 实数的算术运算是“不能行”的，某些实数只能由无限长的十进制数表示，像这样的2个数相加就违背了能行性这一特性。 ;3）输入 每个算法有0个或多个输入。这些输入是在算法开始之前给出的量，取自于特定的对象集合——定义域（或值域） ;5）有穷性 一个算法总是在执行了有穷步的运算之后终止。 ;程序(Program);问题求解(Problem Solving);算法复杂性分析 ;算法的时间复杂性;算法渐近复杂性;介绍几个渐近分析的记号;1 大O记号;例1 f(n) = 2n + 3 = O(n) 当n≥3时，2n+3≤3n，所以，可选c = 3，n0 = 3。对于n≥n0，f(n) = 2n + 3≤3n，所以，f(n) = O(n)，即2n + 3?O(n)。这意味着，当n≥3时，例1的程序步不会超过3n，2n + 3 = O(n)。 ;例2 f(n) = 10n2 + 4n + 2 = O(n2) 对于n≥2时，有10n2 + 4n + 2≤10n2 + 5n，并且当n≥5时，5n≤n2，因此，可选c = 11, n0 = 5；对于n≥n0，f(n) = 10n2 + 4n + 2≤11n2，所以f(n) = O(n2)。 ;例3 f(n) = n！= O(nn) 对于n≥1，有n(n ? 1)(n ? 2) … 1≤nn，因此，可选c = 1，n0 = 1。对于n≥n0，f(n) = n！≤nn，所以，f(n) = O(nn)。;定理1 如果f(n) = amnm + am?1nm?1 + … + a1n + a0是m次多项式，且am＞0，则f(n) = O(nm)。 证明：取n0 = 1，当n≥n0时，有 f(n)= amnm + am?1nm?1 + ? + a1n + a0 ?|am|nm + |am?1|nm?1 + ? + |a1|n + |a0| ?(|am| + |am?1|/n + ? + |a1|/nm?1 + |a0|/nm) nm ?(|am| + |am?1| + ? + |a1| + |a0|) nm 可取c= |am| + |am?1| + ? + |a1| + |a0|，定理得证。;渐近时间复杂度 使用大O记号及下面定义的几种渐近表示法表示的算法时间复杂度，称为算法的渐近时间复杂度（asymptotic complexity）。 只要适当选择关键操作，算法的渐近时间复杂度可以由关键操作的执行次数之和来计算。一般地，关键操作的执行次数与问题的规模有关，是n的函数。 关键操作通常是位于算法最内层循环的语句。;【程序1】 矩阵乘法 for（i=0; in; i++） //比较运算n+1次 for（j=0; jn; j++）{　　//比较运算n(n+1)次 c[i][j]=0; 　　　　　　　//n2 for（k=0; kn; k++） 　//比较运算n2(n+1) c[i][j]+=a[i][k]*b[k][j]; 　　　//n3 } 程序中所有语句执行次数为：Ｔ(n)=2n3+3n2+2n+1 渐进时间复杂度为：O(n3)； 如果将c[i][j]+=a[i][k]*b[k][j]; 看成关键操作，它的执行次数n3，同样也可以得到O(n3)。;2 Ω记号;例1 f(n) = 2n + 3 = ?(n) 对所有n，