算法的时间复杂性分析基础.ppt

2. 算法的时间复杂性分析基础 2.1影响问题求解时间的因素 A：算法 n：问题的规模 I ：输入数据 复杂性的形式化表示T(A,n,I) 对于特定算法，时间复杂性为： T(n,I) 2.1时间复杂性函数 T(N,I) 是算法在一台抽象的计算机上运行所需的时间。设此抽象的计算机所提供的元运算有k种，他们分别记为O1,O2 ,..,Ok；设这些元运算每执行一次所需要的时间分别为t1,t2,..,tk 。 对于给定的算法A，用到元运算Oi的次数为ei，i=1,2,..,k ，很明显，对于每一个i， ei是n和I的函数，即ei=ei(n,I)。那么有： 先看一个实例： 改进冒泡如排序算法的基本步骤如下： for i ←1 to n-1 do {flag ←1 for j ←1 to n-i do if a[j]a[j+1] then {交换a[j]、a[j+1] flag ←0 /*发生了交换*/ } if flag then beak /* 没有交换，排序结束*/ } enddo 如果将if a[j]a[j+1] then {….. }当做一个元运算，花的时间为C 当输入的数据已经排好序，做了n-1次元运算； 当输入的数据是增序，则需要做n(n-1)/2次元运算。 显然，不可能对规模n的每一种合法的输入I都去统计ei(n,I),i=1,2,…,k。因此T(n,I)的表达式还得进一步简化。 只能在规模为n的某些或某类有代表性的合法输入中统计相应的ei , i=1,2,…,k，评价时间复杂性。 一般只考虑三种情况下的时间复杂性，即最坏情况、最好情况和平均情况下的时间复杂性，井分别记为： W(n) = max{ T(n，I) } , I∈Dn B(n) = min { T(n，I) }, I∈Dn A(n)＝∑P( I )T(n，I) I∈Dn Dn是规模为n的合法输入的集合，P(I)是在算法的应用中 出现输入I 的概率。 最具有可操作性和实际价值的是最坏情况下的时间复杂 性。我们对算法的时间复杂性分析的兴趣主要将放在W(n) 上。没有特殊说明时，T(n)一般指的就是W(n)。 2.2.1算法时间复杂性计量 对于同一类问题，采用这类算法的基本运算次数作为算法的运算时间。 例如： “汉诺塔”算法的基本运算是圆盘的移动； 比较排序算法，用算法所用的比较次数作为该类算法的 运算时间； 矩阵相乘：基本运算是两个数的相乘； 树的搜索：基本运算是节点的访问； 图的算法：节点和边的运算。 2.2.2 时间复杂性的计算规则 分析时间复杂性渐近阶的8条规则 ： 规则1： 赋值、比较、算术运算、逻辑运算、读写单个常量或单个变量等，只需要1个单位时间。 规则2 条件语句if C then S1 else S2需要Tc+max(Ts1，Ts2)的时间，其中Tc是计算条件表达式C需要的时间，而Ts1和Ts2分别是执行语句S1和S2需要的时间。 规则3 选择语句Case? A?? a1:S1; a2:S2; … ;am:Sm;? end，需要max(Ts1, Ts2，…，Tsm)的时间，其中Tsi是执行语句Si所需要的时间，i=l,2,…,m。 规则4 访问一个数组的单个分量或一个记录的单个域，只需要1个单位时间。 规则5 执行一个for循环语句需要的时间等于执行该循环体所需要的时间乘上循环的次数。 规则6 执行一个while循环语句“while C do S”，需要的时间等于 (计算条件表达式C的时间+执行循环S体的时间)*循环的次数。 规则6与规则5不同，循环次数是隐含的。 例如，b_search函数中的while循环语句。按规则(1)-(4)， while (not found)and(U≥=L) {m←(U+L) div 2 if c=A[m] then found←true else if cA[m] then L← I+1 else U← m-1 } 规则7 对于break语句。为了便于表达从循环体的中途跳转到循环体的结束,引入break 语句。在时间复杂性分析时可以假设它不需要任何额外的时间。 规则8 对于过程调用和函数调用语句，它们需要的时间包括两部分，一部分用于实现