算法设计与分析课后习题.docxVIP

第一章 算法分析题 算法分析题 1－ 1 求下列函数的渐进表达式 (1). 3n^2 + 10n 3n^2 + 10n^2 = 13n^2 = O(n^2) (2). n^2 / 10 + 2^n 当 n5 是， n^2 2 ^n 所以，当 n = 1 时， n^2/10 2 ^n 故: n^2/10 + 2^n 2 ^n + 2^n = 2*2^n = O(2^n) (3). 21 + 1/n 21 + 1 = 22 = O(1) (4). log(n^3)=3log(n)=O(log(n)) (5). 10log(3^n) = (10log3)n = O(n) 算法分析题 1-6 (1) 因为： f(n)=log(n^2) = 2log(n); g(n) = log(n) + 5 所以： f(n)=Θ(log(n)+5) =Θ(g(n)) (2) 因为： log(n) √n;f(n) = 2log(n); g(n)= √n 所以： f(n) = O(g(n)) (3) 因为： log(n) n; f(n) = n; g(n) = log(n^2) = 2log(n) 所以； f(n) = Ω(g(n)) (4) 因为： f(n) = nlogn +n; g(n) = logn 所以： f(n) =Ω(g(n)) (5) 因为 : f(n) = 10; g(n) = log(10) 所以 :f(n) =Θ(g(n)) (6) 因为 : f(n)=log^2(n); g(n) = log(n) 所以 : f(n) ==Ω(g(n)) (7) 因为 : f(n) = 2^n 100*2^n; g(n)=100n^2; 2^n n ^2 所以 : f(n) = Ω(g(n)) (8) 因为： f(n) = 2^n; g(n) = 3 ^n; 2 ^n 3 ^n 所以 : f(n) = O(g(n)) 习题 1－ 9 证明：如果一个算法在平均情况下的计算时间复杂性为 下所需的计算时间为 Ω(f(n)). 分析与解答：  Θ(f(n)), 该算法在最坏情况 因此， Tmax(N) = Ω (Tavg(N)) = Ω (Θ(f(n)))=Ω(f(n)). 第二章 算法分析题 2-3 设 a[0:n-1] 是已经排好序的数组。请改写二分搜索算法，似的当搜索元素 x 在数组中时，返回小于 x 的最大元素位置 i 和大于 x 的最小元素位置 j 。当搜索元素在数组中时， i 和 j 相同，均为 x 的位置。 分许与解答： 改写二分搜索算法如下： typedef int TYPE_t; /* Function name: BinarySearch Parameters: * iIndex 代表 i 的位置，即最大元素位置 ; * jIndex 代表 j 的位置，即最小元素位置 ; aArr[]: 代表数组 a[],且有序 xVar:代表元素 x; aLen: 代表数组元素个数 ; Return value: 0: 执行成功，最大元素位置和最小元素位置不等 1: 执行成功，最大元素位置和最小元素位置相等 */ static int BinarySearch(TYPE_t aArr[], int nLen, TYPE_t xVar, int *iIndex, int *jIndex) { int left = 0; int right = nLen - 1; int middle = (left + right) / 2; while (left = right){ if (xVar == aArr[middle]){ *iIndex = *jIndex = middle; return 1; } if (xVar aArr[middle]){ left = middle + 1; }else{ right = middle - 1; } middle = (left + right) / 2; } *iIndex = right; *jIndex = left; return 0; } 算法分析题 2 –6 对任何非零偶数 n，总可以找到奇数 m 和正整数 k，使得 n = m * 2^k. 为了 求出 2 个 n 阶矩阵的乘积，可以把一个 n 阶矩阵划分成 m×m 个子矩阵，每个子矩阵 2^k ×2^k 个元素。当需要求 2^k × 2^k 的子矩阵的积时，使用 Strassen 算法。设计一个传统方 法与 Strasssen 算法相结合的矩阵相乘算法，对于任何偶数 n，都可以求出 2 个 n 阶矩阵的 乘积。并分析算法的计算时间复杂度。 分析与解答： 将 n 阶矩阵分块为 m× m 的矩