算法设计技巧与分析第1章算法基本概念之计算法.pptVIP

算法设计技巧与分析Algorithms Design Techniques and Analysis 南方医科大学医工学院 信息技术系 第1章 算法分析基本概念 Content 算法与程序 简单的算法实例 计算复杂性 时间复杂性 空间复杂性 分析计算方法 Methods 估算算法运行时间的方法： 1）迭代计数：计算类循环的迭代次数； 2）操作计数：找出一个或多个关键操作，确定这些关键操作所需要的执行时间； 实验方法： 利用编译器提供的时间函数来计算。 Iterative Count 算法运行时间常常和While循环及类似结构的执行次数成正比。 计算迭代次数将很好的表明算法的运行时间，适用于搜索、排序、矩阵乘法等算法。 Analysis Analysis Analysis Analysis Meta Operation 定义1.1： 对任何计算步骤，它的代价总是以一个时间常量为上界，而不管输入数据或执行的算法，我们称该计算步骤为“元运算”。 Basic Operation 定义1.6 如果算法中的一个元运算具有最高频度，所有其他元运算频度均在它的频度的常数倍内，则称这个元运算为基本运算。 Example 1.26 考察对象：算法BOTTOMUPSORT的确界； Conclusion 由于算法BOTTOMUPSORT用到的元素比较运算，在相差一个常数因子的意义下具有最大频度，我们可以得出结论，算法的运行时间和比较次数成正比。由此可知，算法的运行时间是 Θ(n log n) 。 Analysis Why？ Special Instance 在有些算法里，所有的元运算都不是基本运算。 例如：两种或者更多的运算结合在一起的频度与算法的运行时间成正比。 方法：用执行这些运算的总次数的函数来表示运行时间。 Meta Operation Count Example 1.28 已知：有一个 n 个整数的数组A[1· · ·n]和一个正整数 k ，1≤k≤n， 要求：把A中前k 个整数相乘，把余下的相加。 这样可以得出结论，存在有 n 个元运算：乘法 和加法，这意味着界是 Θ(n)。注意，在这个 例子中，能够通过对循环次数计数来获得运行时 间的精确测度，这是因为在每一个循环中算法用 的时间量不变，循环的总数是 k+(n-k)=n。 Best and Worst 最坏情况分析： 在所有大小为n的输入中选择代价最大的进行分析。 平均情况分析： 考虑所有大小为n的输入的平均时间。 Example 分析算法INSERTIONSORT，令A[1…n]={1,2,…,n}，A中元素共有n!种排列，则对于不同的排列，算法的运行时间是不同的。 Figure 1.6 Worst 在最坏情况假设下，许多算法的上下界合一。 Example 1.29 输入：一个元素x和一个有n个元素的排序数组A。 过程： 1.if n为奇数 then k ← BINARYSEARCH(A，x) 2. else k ← LINEARSEARCH(A，x) Analysis 证明：不存在一个阈值 ,使对所有的 ，都存在某一大小为n的输入，使算法对于某一常数c至少用 cn 的时间。 Average 平均情况运行时间：在所有大小为n的输入的平均时间。 需要预先知道输入的分布，即所有输入出现的概率。 平均情况分析是复杂和冗长的。 Example 1.30 考察对象：算法LINEARSEARCH的平均情况。 Analysis 这表明在平均情况下，为找到 x 位置，算法要执行（n+1)/2 次元素比较，因此算法LINEARSEARCH的时间复杂性在平均情况下是 的。 Example 1.31 考察对象：算法INSERTIONSORT的平均情况。 Analysis j=1时： i-j； 则：算法INSERTIONSORT执行的平均比较次数是 Input Size and Instance 一个算法执行性能的测度通常是它输入的大小、顺序和分布等的函数。 输入的大小作为一个数量，不是输入的精确测度，它解释为从属于已设计或将要设计的算法的问题。 Size Measurement Analysis 考虑： a: 数组A中的元素已按降序排列； b: 数组A中的元素为随机顺序； c: 数组A中的元素已按升序排列； 输入大小 运行时间 最好情况 平均情况 最坏情况 n2/2 n2/4 n 考虑算法INSERTIONSORT，由于其运行时间是O (n2)，且在最坏情况下算法的运行时间是Ω (n2) ，则可以使用更强的符号Θ，即该