1.插入排序的伪代码以及时间复杂度分析
注:每行伪代码的时间成本为Ci
- 最好的情况:O(n)
- 最坏的情况:θ(n^2)
我们在分析程序时间复杂度时,通常采用最坏的运行时间,理由有三:
- 确保了算法运行时间的上界,不会有比这更坏的情况。
- 对于某些算法,最坏的情况总是会出现。比如检索一个本不存在的数据项,就需要全局搜索。
- “平均情况”往往和最坏情况一样差。
习题:
2.2-1:θ(n^3)
2.2-2:
伪代码
SELECTION-SORT(A)
for i=1 to A.length-1
min=A[i]
for j=i+1 to A.length
if A[j]<A[i]
min=A[j]
exchange A[i] with min
循环不变式:在每次循环开始前,数组A前i-1个元素都有序,且是数组A中最小的i-1个元素。
当定位好最小的前i-1个元素,最后一个元素(i)必定是最大的。所以外循环到A.length-1为止。
对所有情况,时间复杂度为θ(n^2)
2.2-3
(1+2+3+...+n)/n=(1+n)/2 (等概率分布的话)需要查找(1+n)/2个元素
最好和平均的情况所需的时间成本一样,都是
θ(n)
2.2-4 这样具体看是否满足算法最佳运行时间的条件。多数情况下,用最佳运行时间来描述算法并不合理。