本课主题: 算法效率的度量和存储空间需求
教学目的: 把握算法的渐近时间复杂度和空间复杂度的意义与作用
教学重点: 渐近时间复杂度的意义与作用及计算方法
教学难点: 渐近时间复杂度的意义
授课内容:
一、算法效率的度量
算法执行的时间是算法优劣和问题规模的函数。评价一个算法的优劣,可以在相同的规模下,考察算法执行时间的长短来进行判定。而一个程序的执行时间通常有两种方法:
1、事后统计的方法。
缺点:不利于较大范围内的算法比较。(异地,异时,异境)
2、事前分析估算的方法。
程序在计算机上运行所需时间的影响因素
算法本身选用的策略
问题的规模
规模越大,消耗时间越多
书写程序的语言
语言越高级,消耗时间越多
编译产生的机器代码质量
机器执行指令的速度
综上所述,为便于比较算法本身的优劣,应排除其它影响算法效率的因素。
从算法中选取一种对于所研究的问题来说是基本操作的原操作,以该基本操作重复执行的次数作为算法的时间量度。 (原操作在所有该问题的算法中都相同)
T(n)=O(f(n))
上示表示随问题规模n的增大,算法执行时间的增长率和f(n)的增长率相同,称作算法的渐近时间复杂度,简称时间复杂度。
求4*4矩阵元素和,T(4)=O(f(4))
f=n*n;
sum(int num[4][4])
{ int i,j,r=0;
for(i=0;i<4;i++)for(j=0;j<4;j++)
r+=num[i][j]; /*原操作*/
return r;
}最好情况:
T(4)=O(0)最坏情况:
T(4)=O(n*n)ispass(int num[4][4])
{ int i,j;
for(i=0;i<4;i++)for(j=0;j<4;j++)
if(num[i][j]!=i*4+j+1)
return 0;
return 1;
}原操作执行次数和包含它的语句的频度相同。语句的频度指的是该语句重复执行的次数。
语句
频度
时间复杂度
{++x;s=0;}
1
O(1)
for(i=1;i<=n;++i)
{++x;s+=x;}
n
O(n)
for(j=1;j<=n;++j)
for(k=1;k<=n;++k)
{++x;s+=x;}
n*n
O(n*n)
O(log n)
基本操作的执行次数不确定时的时间复杂度
平均时间复杂度
依基本操作执行次数概率计算平均
最坏情况下时间复杂度
在最坏情况下基本操作执行次数
二、算法的存储空间需求
类似于算法的时间复杂度,空间复杂度可以作为算法所需存储空间的量度。
记作:
S(n)=O(f(n))
若额外空间相对于输入数据量来说是常数,则称此算法为原地工作。
假如所占空间量依靠于特定的输入,则除非凡指明外,均按最坏情况来分析。
三、总结
渐近时间复杂度
空间复杂度
Word教程网 | Excel教程网 | Dreamweaver教程网 | Fireworks教程网 | PPT教程网 | FLASH教程网 | PS教程网 |
HTML教程网 | DIV CSS教程网 | FLASH AS教程网 | ACCESS教程网 | SQL SERVER教程网 | C语言教程网 | JAVASCRIPT教程网 |
ASP教程网 | ASP.NET教程网 | CorelDraw教程网 |