算法与复杂性-第2讲算法分析基础.ppt

例 2-7 f ( n ) = 2 n + 3 = ? ( n ) ，即 2 n + 3 ?? ( n ) 。 例 2-8 f ( n ) = 10 n 2 + 4 n + 2 = ? ( n 2 ) 。 定理 2-4 如果 f ( n ) = a m n m + a m ? 1 n m ? 1 + … + a 1 n + a 0 是 m 次多项式，且 a m ＞ 0 ，则 f ( n ) = ? ( n m ) 。 31 2.2.4 小 o 记号（非紧上界） ? 定义 2-4 f ( n ) = o( g ( n )) 当且仅当 f ( n ) = O ( g ( n )) 且 f ( n ) ? ? ( g ( n )) ? 例 2-9 f ( n )=2 n +3=o( n 2 ) ，即 2 n +3 ? o( n 2 ) 。 32 渐近记号包括： ? (1) Θ ：紧确界。 相当于 = ? (2)O ：上界。 相当于 = ? (3)o ：非紧的上界。 相当于 ? (4) Ω ：下界。 相当于 = ? (5) ω ：非紧的下界。 相当于 33 2.2.5 算法按时间复杂度分类 ? 算法按计算时间分类 凡渐近时间复杂度有多项式时间限界的算法 称做 多项式时间算法 （ polynomial time algorithm ），而渐近时间复杂度为指数函数 限界的算法称做 指数时间算法 （ exponential time algorithm ）。 34 最常见的多项式时间算法的渐近时间复杂度 O(1) ＜ O(log n ) ＜ O( n ) ＜ O( n log n ) ＜ O( n 2 ) ＜ O( n 3 ) 最常见的指数时间算法的渐近时间复杂度 O(2 n ) ＜ O( n ！ ) ＜ O( n n ) 35 36 ? 提高计算机速度，可以较大幅度 地增加具有线性或 n log n 时间算法 所能处理的问题的能力，但对指 数时间算法的收效甚微。 ? 为提高程序运行速度，选择一种 更快的算法比换一台更快的机器 奏效。 37 算法分析的基本法则 非递归算法： （ 1 ） for / while 循环 循环体内计算时间 * 循环次数； （ 2 ）嵌套循环 循环体内计算时间 * 所有循环次数； （ 3 ）顺序语句 各语句计算时间相加； （ 4 ） if-else 语句 if 语句计算时间和 else 语句计算时间的较大者。 38 最优算法 ? 问题的计算时间下界为 ? ( f ( n )) ，则计算时间复杂 性为 O ( f ( n )) 的算法是最优算法。 ? 例如，排序问题的计算时间下界为 ? ( n log n ) ，计 算时间复杂性为 O ( n log n ) 的排序算法是最优算法。 ? 堆排序 、 快速排序 、 归并排序 算法是 最优算法。 39 递归算法复杂性分析 int factorial (int n) { if (n == 0) return 1; else return n*factorial(n-1); } ? 2 n ? 0 T ( n ) ? ? T ( n ) ? 2 n ? 2 ? T ( n ? 1 ) ? 2 n ? 0 递推关系常用来分析递归算法。 40 2.3 递推关系 41 第 2 章 算法分析基础 1 2.1 算法复杂度 2.2 渐近表示法 2.3 递推关系 *2.4 分摊分析 2 2.1 算法复杂度 3 2.1.1 什么是好的算法 ? 一个好的算法应具有以下 4 个重要特性 : 正确性 （ correctness ）：算法的执行结果 应当满足预先规定的功能和性能要求。 简明性 （ simplicity ）：算法应 思路清晰、层次分明、容易理解、 利于编码和调试。 4 效率 （ efficiency ）：算法应有效使用存 储空间，并具有高的时间效率。 最优性 （ optimality ）：算法的执行时间 已达到求解该类问题所需时间的下界。 程序健壮性 是指当输入不合法数据 时，程序应能