【数据结构】算法分析

---

数据结构

• 逻辑结构：集合、线性结构、树形结构、图状结构
• 存储结构：顺序结构、链式结构、索引结构、散列结构

---

算法分析

1.时间复杂度

算法的时间复杂度

• 定理：若基本语句重复执行次数f(n)=a_nn^m+a_m-1n^m-1+…+a₁n+a₀是m次多项式，则T(n)=O(n^m)
• 基本方法：
  1.找出语句频度(语句执行次数)最大的那条语句作为基本语句
  2.计算基本语句的频度得到问题规模n的某个函数f(n)
  3.取其数量级用“O”表示
• 注意点：
  1.时间复杂度由嵌套最深层语句频度决定
  2.有时候采用求和方式计算
• 举例说明

【经典例题1】
for(i=1;i<n;i++)
	for(j=1;j<=i;j++)
		for(k=1;k<=j;k++)
			x=x+1;//基本语句

T(n)=${\sum }_{i=1}^n$${\sum }_{j=1}^i$${\sum }_{k=1}^j$ 1=${\sum }_{i=1}^n$${\sum }_{j=1}^i$j=${\sum }_{i=1}^n$i(i+1)/2
数学公式计算

【经典例题2】
i=1；
while（i<=n）
	i=i*2;

若循环执行1次：i=1 * 2=2；
若循环执行2次：i=2 * 2=2²；
若循环执行3次：i=2 * 2 * 2=2³；
……
若循环执行x次：i=2^x；

i<=n
2^x<=n
x<=log₂n
有T(n)=O(log₂n)

时间复杂度的分类

• 最坏时间复杂度
• 平均时间复杂度
• 最好时间复杂度

时间复杂度计算规则

• 加法规则：T(n) = T1(n) + T2(n) = o( f(n) ) + o( g(n) ) = o( max{f(n),g(n)} )
• 乘法规则：T(n) = T1(n) * T2(n) = o( f(n) ) * o( g(n) ) = o( f(n) * g(n) )

2.渐进空间复杂度

• 空间复杂度：算法所需存储空间的度量s(n)=O(f(n)),其中n为问题规模
• 算法占据的空间=自身数据+辅助空间

算法1	算法2
for(i=0;i<n/2;i++)	for(i=0;i<n;i++)
t=a[i];	b[i]=a[n-i-1]
a[i]=a[n-i-1];	for(i=0;i<n;i++)
a[n-i-1]=t;	a[i]=b[i];
s(n)=O(1),原地工作	s(n)=O(n)

3.算法设计过程

• 抽象的数据类型=数据的逻辑结构+抽象运算