算法复杂度分析.docxVIP

1、算法的时间性能分析 算法耗费的时间和语句频度 一个算法所耗费的时间二算法中每条语句的执行时间之和 每条语句的执行时间二语句的执行次数(即频度(Frequency Count)) X语句执行一次所需时间 算法转换为程序片，每条语句执行一次所需的时间取决于机器的指令性能、速度以及编译所 产牛的代码质量等难以确定的因素。 若要独立于机器的软、硬件系统來分析算法的时间耗费，则设每条语句执行一次所需的时 间均是单位时间，一个算法的时间耗费就是该算法中所有语句的频度之和。 求两个n阶方阵的乘积C=AXB,其算法如下： # define n 100 // n可根据需要定义，这里假定为100 void MatrixMultiply(int A[a], int B [n][n], int C[n][n]) { 〃右边列为各语句的频度 int i , j , k; for(i=0; in;j++) n+1 for (j=0; jVn; j++) { n(n+l) ⑶ C[i][j]=O; n2 (4) for (k=0; kn; k++) n (n+1) ⑸ C[i][j]=C[i][j]+A[i][k]*B[k][j]; r? } } 该算法中所有语句的频度之和(即算法的时间耗费)为： T(n)=2n3+3n2+2n+l (1. 1) 分析： 语句(1)的循环控制变量i要增加到n,测试到i=n成立才会终止。故它的频度是n+1。但 是它的循环体却只能执行n次。语句(2)作为语句(1)循环体内的语句应该执行n次，但语句(2) 本身要执行n+1次，所以语句(2)的频度是n (n+1)。同理可得语句⑶,(4)和(5)的频度分别是 n2,『(n+1)和 n。 算法MatrixMultiply的时间耗费T (n)是矩阵阶数n的函数。 问题规模和算法的时间复杂度 算法求解问题的输入量称为问题的规模(Size), 一般用一个整数表示。 姬阵乘积问题的规模是雉阵的阶数。 一个图论问题的规模则是图中的顶点数或边数。 -个算法的时间复杂度(Time Complexity,也称时间复杂性)T (n)是该算法的时间耗费，是 该算法所求解问题规模n的函数。当问题的规模n趋向无穷人时，时间复杂度T(n)的数量级(阶) 称为算法的渐进时间复杂度。 算法MatrixMultidy的时间复杂度T(n)如(1. 1)式所示,当n趋向无穷大时，显然有 这表明，当n充分大时，T(n)和n‘之比是一个不等于零的常数。即T(n)和n堤同阶的，或 者说T(n)和r?的数量级相同。记作T(n)=O(n5)是算法MatrixMul tiply的渐近时间复杂度。 渐进时间复杂度评价算法时间性能 主要用算法时间复杂度的数量级(即算法的渐近时间复杂度)评价一个算法的时间性能。 算法MatrixMultiply的时间复杂度一般为T (n) =0 (n3), f(n)二n3是该算法中语句(5)的频度。下 面再举例说明如何求算法的时间复杂度。 交换i和j的内容。 Temp二i; ? ? 1二 j; j二temp; 以上三条单个语句的频度均为1,该程序段的执行时间是一个与问题规模n无关的常数。算 法的时间复杂度为常数阶，记作T(n)二0(1)。 注意：如果算法的执行时间不随着问题规模n的增加而增长，即使算法中有上千条语句，其执 行时间也不过是一个较大的常数。此类算法的时间复杂度是0(1)。 变量计数之一： x=0;y=0; for(k-1;k=n;k++) x++; for(i=l;i=n;i++) for(j=l; j=n; j++) y++; 一般悄况下，对步进循环语句只需考虑循环体屮语句的执行次数，忽略该语句屮步长加1、 终值判别、控制转移等成分。因此以上程序段中频度最大的语句是(6),其频度为f(n)=n2,所 以该程序段的时间复杂度为T(n)=0(n2) o 当有若干个循环语句时，算法的时间复杂度是由嵌套层数最多的循环语句屮最内层语句的频 度f(n)决定的。 变量计数之二： ⑴ x=l; for(i=l;i=n;i++) for(j=l;j=i;j++) for(k=l;k=j;k++) x++; 该程序段中频度最大的语句是(5),内循环的执行次数虽然与问题规模n没冇胃接关系，但 是却与外层循环的变量取值冇关，而最外层循环的次数直接与n有关，因此可以从内层循环向外 层分析语句(5)的执行次数： 则该程序段的时间复杂度为T (n) =0(r?/6+低次项)二0 (n3)。 算法的时间复杂度不仅仅依赖于问题的规模，还与输入实例的初始状态有关。 在数值A [0..H-1]屮查找给定值K的算法大致如下： while(i=0(A[i]!=k)) i—; return i; 此算法屮的语句⑶的频度不仅与问