实验4：递归与分治策略的应用.docVIP

实验4：递归与分治策略的应用 实验4：递归与分治策略的应用 PAGE 实验4：递归与分治策略的应用 课程实验报告 课程名称 算法分析与设计 班级 实验日期 姓名 学号 实验成绩 实验名称 实验4：递归与分治策略的应用 实 验 目 的 及 要 求 1．掌握分治策略的基本步骤； 2．掌握分治策略的思想。 实 验 环 境 操作系统：Windows IDE：Visual C++ 实 验 内 容 （1）排序算法 分别实现归并排序、快速排序和堆排序，输入规模N=64，128,256，512，…（N取至单次排序运行时间不超过3分钟），输入数据随机生成1-10000之间的整数，记录实验结果，做出运行时间与输入规模之间的关系曲线图，说明算法的时间复杂度和空间复杂度，根据曲线图比较3种排序算法的优劣。 （2）矩阵乘法 调研Strassen矩阵乘算法，随机生成N*N的矩阵，矩阵中的每个数字为1-100之间的整数，N=4,8,16…（N取至单次矩阵乘时间不超过3分钟），分别用Strassen算法和你能想到的其它方法（例如直接计算）实现矩阵乘运算，做出运行时间与输入规模之间的关系曲线图，并简要分析Strassen算法和你所实现的方法的时间复杂度。 调 试 过 程 及 实 验 结 果 运行时截图： 并归排序： 运行到一定规模： 快速排序： 运行到一定规模： 堆排序： 运行到一定规模： 矩阵乘法： 1朴素算法： 2Strassen矩阵乘算法 一定规模后： 总 结 横坐标计算规模：1：8129 2：65536 3：131072 4：262144 5：1048576 随着输入规模的增大，通过三种算法的时间记录做成折线图观察不难发现，在初期，三种算法所用时间几乎相等，随着输入规模的不断增大，堆排序和快速排序仍然能够保持相对较小的增长，而并归排序所用时间复杂度开始大幅度增加。 快速排序果然是快，数据越大优势越明显，并且实现上也较为简单。理论上它的平均时间和归并排序，堆排序都是一样的（在最坏情况还还不如它们），都是O(nlog2n)，但实际运行来看比它们两者的速度都快一倍以上。COOL！ 合并排序需要额外相同规模的数组，空间复杂度为O（n）。从具体实现来看，这只是一种理论上的优秀算法，想法比较简单直接，但实现上比quicksort?复杂，运行时间也差，在数据很大的时候运行时间是heapsort的两倍，更不用说quicksort了。 堆排序利用了二分树的结构，将时间复杂度降到O(nlog2n),理论上和实现上表现都不错,并且发现在数据量是10?000?000时，甚至优于快排，可能是运行时数据的问题。 对于strassen 算法对其时间复杂度分析：T（n）=7T(n/2)+O(n);而朴素算法的时间复杂度为n的三次方。 随着数据增大，也出现乘方级别的时间复杂度差距。 附 录 //头文件 #includeiostream #include #include #include #include #define PARENT(i) (i/2) //几个较简单函数 #define LEFT(i) (2*i+1) #define RIGHT(i) (2*i+2) using namespace std; //定义所需要变量等 #define MAX 100000 int a[MAX]; //数组存储原始顺序 int temp[MAX]; //临时数组存储临时排序值 int num; //计算统计逆序对数 int N = 2; //数据规模 clock_t begintimes, endtimes; //clock_t为clock()函数返回的变量类型 double duration; //运行时间计算 int heapsize; //堆长度 //随机生成数函数 int number(){ int a; a = rand() % 10000 + 1; //随机生成1到一万之间的整数 return a; } //初始化函数 对数组a[]初始化。 void init(){ memset(temp,0, MAX * sizeof(int)); //临时数组清零 for (int i = 0; i N; i++){ //新数组赋值 a[i] = number(); } return; } //单次并归挑选 void Merge(int left, int mid, int right) //需要三个参数，将原来数组分割 { int i = left, j = mid + 1, n = 0, length = right -