数据结构 - 引言学习 文档 参考.ppt

* 典型的增长率 c 常量 logN 对数 Log2N 对数的平方 N 线性 NlogN NlogN N2 平方 N3 立方 2N 指数 * 算法按时间复杂度分类 多项式时间：渐进时间复杂度有多项式时间限界的算法 指数时间算法：渐进时间复杂度有指数时间限界的算法 多项式时间复杂度的关系： O(1) O(logN) O(N) O(NlogN) O(N2) O(N3) 指数时间复杂度的关系： O(2N) O(N!) O(NN) * 算法分析 时间复杂度的概念 算法运算量的计算 渐进表示法 时间复杂度的计算 算法的优化 空间复杂度的概念 * 大O表示法的计算 时间复杂度的计算先定义标准操作，再计算标准操作的次数，得到一个标准操作次数和问题规模的函数。然后取出函数的主项，就是它的时间复杂度的大O表示。 简化方法：根据两个定理。 * 大O表示法的定理 求和定理：假定T1(n)、T2(n)是程序P1、P2的运行时间，并且T1(n)是O(f(n))的，而T2(n)是O(g(n))的。那么，先运行P1、再运行P2 的总的运行时间是：T1(n)＋T2(n)＝O(MAX(f(n)，g(n))。 求积定理：如果T1(n) 和 T2(n)分别是O(f(n))和O(g(n))的，那么T1(n)×T2(n)是O(f(n)×g(n)) 的。 * 大O表示法的计算规则 规则1：每个简单语句，如赋值语句、输入输出语句，它们的运行时间与问题规模无关，在每个计算机系统中运行时间都是一个常量，因此时间复杂度为 O(1)。 规则2：条件语句，if 条件 then 语句 else 语句，的运行时间为执行条件判断的代价 ，一般为O(1)，再加上执行 then 后面的语句的代价(若条件为真)，或执行else 后面的语句代价(若条件为假)之和，即max(O(then子句)，O(else子句))。 * 规则3：循环语句的执行时间是循环控制行和循环体执行时间的总和。循环控制一般是一个简单的条件判断，因此循环语句的执行时间是循环体的运行时间乘循环次数。 规则4：嵌套循环语句，对外层循环的每个循环周期，内存循环都要执行它的所有循环周期，因此，可用求积定理计算整个循环的时间复杂度，即最内层循环体的运行时间乘所有循环的循环次数。例语句： for (i=0; in; i++) for (j=0; jn; j++) k++; 的时间复杂性为O(n2) * 连续语句：利用求和定理把这些语句的时间复杂性相加。例程序段： for (i=0; in; i++) a[i]=0; for (i=0; in; i++) for (j=0; jn; j++) a[i]= i+j; 有两个连续的循环组成。第一个循环的时间复杂度为O（n），第二个循环的时间复杂度为O（n2）。根据求和定理，整段程序的的时间复杂性为O(n2) * 大O的简化计算 在程序中找出最复杂、运行时间最长的程序段，计算它的时间复杂度。也就是整个程序的时间复杂度 在max1中，最复杂的程序段是两个循环，这两个循环的时间复杂度都是相同的，为O(n)，因此整个程序的时间复杂度是O(n)的 * 算法分析 时间复杂度的概念 算法运算量的计算 渐进表示法 时间复杂度的计算 算法的优化 空间复杂度的概念 * 典型实例--最大连续子序列问题 给定(可能是负的)整数序列 ，寻找(并标识) 的值为最大的序列。如果所有的整数都是负的，那么最大连续子序列的和是零。 例如，假设输入是{-2, 11, -4, 13, -5, 2}，那么答案是20，它表示连续子序列包含了第2项到第4项（如粗体字部分）。又如第二个例子，对于输入{1, -3, 4, -2, -1, 6}，答案是7，这个子序列包含最后四项。 * 解法一 – 穷举法 分别求子序列 [0，0]，[0，1]，。。。，[0，n] [1，1]，[1，2]，。。。[1，n] 。。。 [n，n] 的和，求出最大值 * int maxSubsequenceSum(int a[], int size, int start, int end) { int maxSum = 0; for (int i = 0; i size; i++ ) for( int j = i; j size; j++ ) { int thisSum = 0;