算法分析基础.ppt

精选ppt 精选ppt o 关系 ｎ趋于无穷大时， 的前项是后项的高阶无穷小 精选ppt [例1] 设f(n)=10n2+20n。则有 f(n)=O(n2) f(n)=?(n2) f(n)= ?(n2) [例2] 设f(n)=aknk+ak-1nk-1+…+a1n+ a0 ,(ak0)。则有 f(n)=O(nk) f(n)=?(nk)： f(n)= ?(nk) 由此可见，复杂度的渐近表示可以简洁地表示出复杂度的数量级别。 渐近表示— Examples 精选ppt 1.8-9.算法的时间和空间复杂度 时间复杂度（Time Complexity） 算法运行期间所花费的时间。 通常用渐进形式表示 比如，T(n)　= ? (n2)、 ?(n2) 或 ?(n2) 空间复杂度（Space Complexity） 在算法运行期间所需要的内存空间。 一般指，容纳输入数据之外的附加空间（auxiliary space, or work space）。 通常用渐进形式表示 比如，S(n)= ? (n2)、?(n2)或 ?(n2) 精选ppt 1.5-.6. 算法时间复杂度的例子 [例1] 检索问题的顺序查找算法 以元素的比较作为基本操作。考虑成功检索的情况。 最好情况下的时间复杂度： ?(1) 最坏情况下的时间复杂度： ?(n) 在等概率前提下，平均情况下的时间复杂度： ?(n) [例2] 直接插入排序算法 以元素的比较作为基本操作。 最好情况下的时间复杂度： ?(n) 最坏情况下的时间复杂度： ?(n2) 在等概率前提下，平均情况下的时间复杂度： ?(n2) 精选ppt 1. 7 （例） 合并两个已排序的表 归并排序 算法基本思想（合并两个有序表ＭＥＲＧＥ为基础，把最初的输入两两排序，逐渐合并为完整的有序表） 简单的以８个数的情形做例子{9,4,5,2,1,7,4,6}由小到大， 考虑的对象按层计数如１１页图1.4 算法：BOTTOMUPSORT 元素赋值次数为2n p9 P11,　分析　 精选ppt Ｍｅｒｇｅ算法 精选ppt Ｐｒｏｏｆ 精选ppt 基本思想 3个数组 A[p…q], A[q+1…r], B[p…r] 3个指针：s,t,k s初始化时各自指向A[p] t初始化时各自指向A[q+1] k初始化时各自指向B[p],暂存器。 比较A[s],A[t],小的值存入B[k] 小的指针＋1，形成新比较对，存入k＋1 某组已到尾部，将另一组尚未比较的复制到B B回写到A 精选ppt 例子－－选择排序 1. 5 基本思想 算法：SelectionSort 观察：比较次数：n（n－1）/2,赋值次数界于0与3（n－1）之间。 精选ppt 例子－－插入排序1. 6 基本思想 算法：InsertionSort 比较次数： n（n－1）/2 赋值次数：比较次数加n－1 精选ppt 强调例子－－1. 7自底向上合并排序 图示， 基本思想，P9 BottomUpSort 实例： 性能分析：P11 精选ppt 1. 8 时间复杂性－ 阶的增长 衡量: P12,近似时间。 比较，界限 近似时间 ，相对于同一/不同问题的算法，估计时间相对性 独立于机器，独立于不同语言 技术上的进步，不影响算法的时间测度方法成立 基本运算支撑的大规模输入实例。 P13图1.5： 表示运行时间的典型函数的增长情况 P14 表1.1： 不同大小输入的时间量级运行时间比较 元运算：对任何计算步骤，其代价总是一个时间常量为上界，而不管输入数据或执行的算法，总称这样的计算步骤为元运算，（基本操作） 算术运算：＋，—， ×，/ 比较和逻辑运算 赋值运算，包括遍历表或树的指针赋值 精选ppt 精选ppt 1. 8 时间复杂性－2 表示 BigO， 定义1.2：f(n),g(n)从自然数集合到非负实数集合的两个函数，如果存在一个自然数n0和c0,使得 ?n=n0, f(n)= cg(n) 则称f(n)为O(g(n))。 由极限理论， 存在，则 其不发散到无穷，蕴涵 f（n）＝O（g（n））。 Big Omiga 1.8.3： Big Theta： 1.8.4 举例： 1.8.5 精选ppt 讨论问题 从定义看，f(n)为O(g(n))和f(n)与g(n)比值的极限存在是否一回事？（即是否等价？） 对于 大Omega？ 对于 大Theta？ f(n)为O(g(n))，说明f的增长至少和g的某个常数倍一样快。 f(n)为?(g(n)) iff