算法设计技巧与分析-第1章--算法基本概念之算法复杂度概要.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 Algorithm Complexity 算法的复杂性分为 设计算法追求的目标 选用算法的准则 Time Complexity 1 估计算法运行的时间范围。 2 估算随着输入的增长，运算时间的增长率。 Asymptotic Run Time 令算法的输入为n，若算法的运行时间f(n)为n的m阶函数，则称f(n)是m阶的。 一旦去除了表示算法运行时间的函数中的低阶项和首项常数，就称我们是在度量算法的渐进运行时间。 Figure 1.5 Mark O：运行时间的上界 ?：在运行时间的一个常数因子内提供一个下界 Θ：算法的精确阶 о：说明两个函数属于不同的复杂性类 Symbol O 定义1.2 令f (n) 和g (n) 是从自然数集到非负实数集的两个函数，如果存在一个自然数n0和一个常数c 0，使得： 对于所有的n≥n0，有f (n) ≤cg (n)， 则称f (n)为O (g (n )) ， 记作：f (n) = O (g (n ))。 Ultimate Form 如果 存在，那么 Symbol ? 定义1.3 令f (n) 和g (n) 是从自然数集到非负实数集的两个函数，如果存在一个自然数n0和一个常数c 0，使得： 对于所有的n≥n0，有f (n) ≥cg (n)， 则称f (n)为Ω(g (n )) ， 记作：f (n) = Ω(g (n ))。 Ultimate Form 如果 存在，那么 Symbol Θ 定义1.4 令f (n) 和g (n) 是从自然数集到非负实数集的两个函数，如果存在一个自然数n0和两个正常数c1和c2，使得： 对于所有的n≥n0，有c1 g (n) ≤f (n) ≤ c2 g (n) ， 则称f (n)为Θ(g (n )) ， 记作：f (n) = Θ(g (n ))。 Ultimate Form 如果 存在，那么 Figure Example1.5 设： Example1.12 Analysis Complexity Types 令R为复杂性函数集合上由下列条件定义的关系：f R g当且仅当f (n) = Θ(g (n ))。由这个关系导出的等价类称为复杂性类。 例如： 所有的二次多项式属于同一个复杂性类n2。 Symbol о 定义1.5 令f (n) 和g (n) 是从自然数集到非负实数集的两个函数，如果对每一个常数c 0，存在一个正整数n0，使得： 对于所有的n≥n0 ，都有f (n) cg (n) ， 则称f (n)是o (g (n )) 的 ，即f (n) = o (g (n )) 记作： f (n) g (n )。 Ultimate Form 如果 存在，那么 Complexity Types Relation Space Complexity 1. 多用户系统中运行时，需指明分配给该程序的内存大小。 2.想提前知道是否有足够可用的内存来运行该程序。 3.一个问题可能有若干个内存需求各不相同的解决方案，从中择取。 Space Used 算法使用的空间： 为了求解问题的实例而执行的计算步骤所需要的内存空间数目，不包括分配用来存储输入的空间。 写入每一个内存空间都至少需要一定的时间。 Example1.17 1.18 1.19 Tradeoff 许多问题需要在时间与空间之间权衡。 迄今为止讨论过的大多数算法中，增加空间并没有导致明显的速度加快，相反却往往成立，即减小空间会导致算法速度的降低。 Optimal Algorithm 如果可以证明任何一个求解问题Ⅱ的算法必定是Ω (f (n )) ，那么我们把在O (f (n ))时间内求解问题Ⅱ的任何算法都称为问题Ⅱ的最优算法。 Θ(n) BOTTOMUPSORT Θ(n) MERGE Θ(1) LINEARSEARCH 空间复杂度 算法 考虑：算法SEL