算法分析

算法分析

一、概述

l  判断算法性能的一个基本考虑是处理一定“规模”的输入时该算法所需要执行的“基本操作”数。“规模”一般指输入量的数目。一个“基本操作”必须具备这样的性质：完成该操作所需时间和操作数的具体取值无关。

l  算法的增长率是指当输入的值增加时，算法代价的增长速率。

二、最佳、最差和平均情况

l  对于某些算法，即使问题规模相同，如果输入数据不同，其时间开销也不同。

三、渐近分析

l  上限（最小上限）：“增长率的上线为f(n)”成为大O表示法（big Oh notation），读作“大欧”表示法。如果某个算法的增长率上线（在最差情况下）时f(n)，那么就说这个算法“最差情况下在集合O(f(n))中”，或者直接说“最差情况在O(f(n))中”。

l  下限（最大下限）：算法的下限用符号Ω来表示，读作“大欧米伽”。若存在两个正常数c和n₀，对于n> n₀，有T(n)≥cg(n)，则称T(n)在集合Ω(g(n))中。

l  Θ表示法：如果一个算法既在O(h(n))中，又在Ω(h(n))中，则称其为Θ(h(n))。

四、明确：

l  最佳、最差或平均情况给出了明确的实例，可以应用在问题中，以得到代价的衡量值。上限和下限则描述了这种代价的增长率。所以定义一个算法或问题的增长率时，需要确定衡量指标（最佳、最差、平均情况），以及对代价增长率的描述（O, Ω , Θ）。