数据结构第一章 概述.pptVIP

算法具有五个基本特征： ①有穷性，算法的执行必须在有限步内结束。 ②确定性，算法的每一步骤必须是确定无二义性的。 ③输入， 算法可以有0个或多个输入。 ④输出， 算法一定有输出结果 ⑤可行性，算法中的运算都必须是可以实现的。 算法具有有穷性，程序不需要具备有穷性。一般的程序都会在有限时间内终止，但有的程序却可以不在有限时间内终止，如一个操作系统在正常情况下是永远都不会终止的。 1.3.2算法的时间和空间复杂性 一个算法的优劣主要从算法的执行时间和所需要占用的存储空间两个方面衡量，算法执行时间的度量不是采用算法执行的绝对时间来计算的，因为一个算法在不同的机器上执行所花的时间不一样，在不同时刻也会由于计算机资源占用情况的不同，使得算法在同一台计算机上执行的时间也不一样，所以对于算法的时间复杂性，采用算法执行过程中其基本操作的执行次数，称为计算量来度量。 算法中基本操作的执行次数一般是与问题规模有关的，对于结点个数为n的数据处理问题，用T(n)表示算法基本操作的执行次数。 评价一个算法的一般作法： （1）合理地选择一个或几个操作作为“标准操作”。 （2）计算量=给定输入下执行标准操作的次数。 事实：一个算法的计算量通常依赖于问题的规模。 为了便于讨论，我们把问题规模假定为n，则算法在问题规模（Size）为n的输入下的计算量为T（n）。 定义：设f（n）与g（n）是定义在正整数集合上的两个函数，如果存在两个正常数c和n0，对于所有的n≧n0，有︱f(n) ︳≦c.g(n) 则记作 f(n)=O(g(n)) 。也就是说对几乎所有的n值，函数f（n）以函数g（n）为上界。 渐近记号（一） f (n)=O(g(n))表明，当 n→∞ 时， f (n)趋于无穷大的阶不大于(即小于等于) g(n)趋于无穷大的阶. 例1：证明n2/2+3为O（n2） 证明：要使n2/2+3c* n2 有c ?+3/ n2 当n 6时，必有1/2+ 3/n2〈1 故取c=1，n0=3，则对任意n3，有 n2/2+3〈c* n2 故n2/2+3为O（n2） 渐近记号（二） ⑵ 大? 记号： 定义: f (n)=Ω(g(n)) 意味着存在正常数 C 和 n0 ,使得 当 n ≥ n0 , 均有 0≤ C g(n) ≤f (n) 成立。 f (n)=Ω (g(n))表明，当 n→∞ 时， f (n)趋于无穷大的阶不小于 g(n) 趋于无穷大的阶. 渐近记号（三） ⑶ 大Θ 记号： 定义: f (n)=Θ(g(n)) 意味着存在正常数C1, C2和n0使 得当n≥n0 , 均有 0≤C1g(n)≤f (n)≤C2g(n)成立。 f (n)=Θ(g(n))表明，当 n→∞ 时， f (n) 和g(n)趋于无穷大的阶是相同的。 例2：求两个n阶方阵的乘积C=A*B for(i=0;in;++i) for(j=0;jn;++j) { c[i][j]=0; for(k=0;kn;++k) c[i][j]+=a[i][k]*b[k][j]; } n+1 n(n+1) n2 n2(n+1) n3 一般情况下，算法中基本操作重复执行的次数是问题规模n的某个函数，当n趋向无穷大时，我们把时间复杂度T（n）=O（f（n））的数量级（阶）称为算法的渐近时间复杂度。 上述n阶矩阵相乘算法的时间复杂度T（）为算法中所有语句的频度之和： T（n）=2n3+3n2+2n+1 按照O记法，当n趋向无穷大时有： limT（n）/n3=lim（2n3+3n2+2n+1）/n3=2 这表明，当n充分大时，T（n）和n3之比是一个不等于0的常数，即T（n）和n3是同阶的，所以: T（n）=O（ n3 ） 频度：是指该语句重复执行的次数。 n→ ∞ n→ ∞ 例3： { ++x；s=0； } 将x自增看成是基本操作，则语句频度为１，即时间复杂度为Ｏ(1) 如果将s=0也看成是基本操作，则语句频度为２，其时间复杂度仍为Ｏ(1)，即常量阶。 例4： for（i=1；i=n；++i） { +