算法及其基础.pptVIP

第一章 算法及其基础 1.1 引子 1.2 算法的基本概念 1.3 算法设计的一般过程 1.4 算法分析 1.5 相关基础 本章的要点与难点 要点: 理解算法的概念。程序与算法的区别和联系； 理解算法设计的一般过程； 掌握用C++/JAVA语言以及伪代码描述算法的方法； 掌握算法的计算复杂性概念及分析。 难点: 算法的计算复杂性（主要指时间复杂性）分析。 1.2 算法的基本概念 – 算法 算法 (Algorithm)： 对于计算机科学来说，算法指的是对特定问题求解步骤的一种描述，是若干条指令的有穷序列。 算法的特性： 输入（0个或多个）、输出（至少1个）、确定性（无歧义）、有限性、可行性。 描述方式： 自然语言、图形、程序设计语言、伪代码 本书采用了面向对象程序设计语言C++，讲授时采用伪代码。 算法与程序的区别？ 1.2 算法的基本概念 – 程序 程序(Program) 程序是算法用某种程序设计语言的具体实现； 程序可以不满足算法的性质(4)。例如： 操作系统是一个在无限循环中执行的程序，因而其不是一个算法； 操作系统的各种任务：可看成是单独的问题，每一个问题由操作系统中的一个子程序通过特定的算法来实现。 1.2 算法的基本概念 – 经典问题 会场安排问题、单源最短路径、哈夫曼编码、最小生成树 排序与查找、循环赛日程表 最长公共子序列、矩阵连乘、凸多边形最优三角剖分、加工顺序等 N后、最大团、图的m着色 0-1背包、TSP、布线问题 等等 1.2 算法的基本概念 – 拼图游戏 1.2 算法的基本概念 – 0-1背包问题 1.2 算法的基本概念 – 布线问题 1.3 算法设计的一般过程 1.4 算法分析 – 算法复杂性 算法复杂性（亦称算法复杂度）为算法运行时所需计算机资源的度量： 时间复杂性（影响因素包括问题规模n、输入序列I、算法本身A）：T(n,I,A) ? T(n) 空间复杂性（影响因素包括输入输出数据IO、辅助变量V、算法本身A）：S(IO,V,A) ? S(V) 很显然： 算法所需资源越多，算法的复杂性就越高； 算法所需资源越少，算法的复杂性就越低。 1.4 算法分析 算法分析： 对算法的时间复杂性和空间复杂性进行分析，这里主要还是指对算法的时间复杂性的分析。 方法：事后统计 和 事前分析 算法分析的意义： 算法设计：复杂性尽可能的低； 算法选用：选择复杂性最低的算法； 算法改进：算法分析有助于算法的改进。 1.4 算法分析 – 影响算法运行时间的因素（除算法本身外）： 机器； 采用语言及编译程序； 编程能力等。 算法分析无需具体时间（精确或近似）： 针对同一问题不同算法的比较，相对而非绝对； 应该独立于机器及实现语言； 无论科技如何发展，其运行时间的测度应始终成立； 关心的是大的问题规模时的运行情况。? 渐近复杂性 1.4 算法分析 – 算法渐近复杂性态 算法渐近复杂性态： 设算法的运行时间为T(n)，如果存在T*(n)，使得 就称T*(n)为算法的渐近性态或渐近时间复杂性。 1.4 算法分析 – 算法渐近复杂性态示例 假设算法A的运行时间表达式为T1(n)： T1(n) = 30n4+20n3+40n2+46n+100 T*1(n) ≈ n4 （阶） 假设算法B的运行时间表达式为T2(n)： T2(n) = 1000n3+50n2+78n+10 T*2(n) ≈ n3 （阶） 1.4 算法分析 – 几类阶的增长趋势 1.4 算法分析 – 渐近复杂性记号 渐近意义下的记号：O、Ω、Θ 渐近上界 - O (big o) 渐近下界 - Ω (big ω) 渐近精确界 - Θ (big θ) o、ω和θ 1.4 算法分析 – 渐近上界 渐近上界 - O (big o): 设f(N)和g(N)是定义在正数集上的正函数，下同。 定义：如果存在正的常数C和自然数N0，使得当N?N0时有f(N)?Cg(N)，则称函数f(N)当N充分大时上有界，且g(N)是它的一个上界，记为f(N)=O(g(N))。 即f(N)的阶不高于g(N)的阶。 求T(n) = 10n + 4的渐近上界O： O(n) 1.4 算法分析 – 渐近上界O运算规则 根据O的定义，容易证明它有如下运算规则： (1) O(f) + O(g) = O(max(f, g))； (2) O(f) + O(g) = O(f + g)； (3) O(f)O(g) = O(fg)； (4) 如 g(N) = O(f(N))，则 (f) + O(g) = O(f)； (5) O(cf(N)) = O(f(N))，其中c是一个正的常