算法导论第二章笔记

第二章内容：
1.一个重要概念: loop invariant.
2.规范化伪代码.
3.复合数据一般组合成对象,由attribute或field组成.
4.数组的属性:

一般取名:A或大写字母
length[A]:A的长度

5.空指针用符号$NIL$表示v.
6.$and/or$短路.
7.基于RAM和种种假设的算法分析.
8.常用设计策略：incremental和divide-and-conquer.
练习:
2.1.1:

begin-->
key:31
A:<31,41,59,26,41,58>
-->
key:41
A:<31,41,59,26,41,58>
-->
key:59
A:<31,41,59,26,41,58>
-->
key:26
A:<31,31,41,59,41,58>
->
key:26
A:<26,31,41,59,41,58>
-->
key:41
A:<26,31,41,59,59,58>
->
key:41
A:<26,31,41(1),41(2),59,58>
-->
key:59
A:<26,31,41(1),41(2),59,58>
-->
key:58
A:<26,31,41(1),41(2),59,59>
->
key:58
A:<26,31,41(1),41(2),58,59>
-->end

2.1.2.

INSERTION-SORT(A)
for j ← 2 to length[A]
	do key ← A[j]
	i ← j-1
	while i > 0 and A[i] < key
		do A[i+1] ← A[i]
			i ← i-1
	A[i+1] ←key
//事实上传入比较函数后：
INSERTION-SORT(A,compare())
for j ← 2 to length[A]
	do key ← A[j]
	i ← j-1
	while i > 0 and compare(A[i],key) > 0
		do A[i+1] ← A[i]
			i ← i-1
	A[i+1] ← key

2.1.3.

LINEAR-SEARCH(A,key)
	for j ← 1 to length[A]
		if key = A[j]
			then return j
	return NIL

初始化.很明显$A[0]$不可能为所求下标.
保持.每轮循环结束保持$key̸=A[j]$.
终止.$j>length[A]$时循环结束，但这证明A中不包括key，应该返回NIL.
2.1.4：
形式化描述：$C[i]=A[i]+B[i]+f$，其中f为进位

ADD(A,B)
	f ← 0
	for j ← 1 to length[A]
		C[j] ← A[j] + B[j] + f
		f ← C[j] ÷ 10
		C[j] ← C[j] % 10
	C[length[A]+1] ← f

2.2.1：
$f(n)=\Theta (n^3)$
2.2.2：
循环不变式是：
设$A[0...j-1]$是已排数组$A[j...n]$是待排数组
开始：$A[0]$显然是正确的排序
保持：$A[0...j-1]$是已排数组，而$A[j]$被第j小数交换，这就使得$A[j]$大于等于$A[0...j-1]$的所有数，小于等于$A[j+1...n]$的所有数
终止：j=n-1时循环结束，事实上A[n]是第n小数，A[1…n-1]和A[n]组成给定A的所求排列。
2.2.3：
对于长度为n的数组设置第n+1的虚拟键(not found)，待求key落入每个节点的可能性为$\frac{1}{n+1}$，所以单论循环体的运行$f_1(n)=\frac{1}{n+1}+\frac{2}{n+1}+...+\frac{n}{n+1}=\frac{n}{2}$，最坏情况是查找n次，$f_2(n)=\frac{n}{n+1}$,两种$\Theta$表示均为$\Theta (n)$
2.2.4：
使之变为碰运气的算法(有可能一发即中)，而不是谨慎的算法。
2.3.1：

begin-->
A:<3,41,52,26,38,57,9,49>
-->
A:<<3,41,52,26>,<38,57,9,49>>
-->
A:<<<3,41>,<52,26>>,<<38,57>,<9,49>>>
-->
A:<<<<3>,<41>>,<<52>,<26>>>,<<<38>,<57>>,<<9>,<49>>>>
-->
A:<<<3,41>,<26,52>>,<<38,57>,<9,49>>>
-->
A:<<3,26,41,52>,<9,38,49,57>>
-->
A:<3,9,26,38,41,49,52,57>
-->end

2.3.2：

MERGE(A,p,q,r)
	n1 ← q-p+1
	n2 ← r-q
	create arrays L[1...n1] and R[1...n2]
	for i ← to n1
		do L[i] ← A[p+i-1]
	for i ← to n2
		do R[i] ← A[q+i]
	cur1 ← p
	cur2 ← q+1
	cur ← 1
	while cur1 <= n1 and cur2 <= n2
		do if L[cur1]<=R[cur2]
			then A[cur] ← L[cur1]
				cur1 ← cur1 + 1
			else A[cur] ← R[cur2]
				cur2 ← cur2 + 1
		cur ← cur + 1
	while cur1 <= n1
		do A[cur] ← L[cur1]
		cur1 ← cur1 + 1
		cur ← cur + 1
	while cur2 <= n2
		do A[cur] ← L[cur2]
		cur2 ← cur2 + 1
		cur ← cur + 1

2.3.3:
①$n=1$时$T(2^1)=2\ast lg2=2$成立
②设$n=k$时有$T(2^k)=2^{k}lg{2}^k=k{2}^k$,则$n=k+1$时$T(2^{k+1})=2T(2^{k+1}/2)+2^{k+1}=k{2}^{k+1}+2^{k+1}=(k+1)2^{k+1}$也成立
③由①和②及第一数学归纳法得$T(n)=nlgn$，n为2的整数次幂
2.3.4
$$T(n)=\{\begin{array}{rlrl}& 1& & ,n=1\\ & T(n-1)+1& & ,n>1\end{array}$$
2.3.5

BIN_SEARCH(A,v)
	l ← 1
	r ← length[A]
	while r >= l
		m ← (l+r)/2
		do  if A[m] = v
			then return m
			else if A[m] < v
			then r = m-1
			else l = m+1
	return NIL

复杂度分析用搜索树说明即可
2.3.6
可以，因为A[1…j-1]是有序的。
2.3.7
先排序集合复杂度为$\Theta (nlgn)$，对于$S$中的每一个$S[j]<=x/2$在S[j+1…n]中寻找S[i]=x-S[j],复杂度为$\Theta (nlgn)$所以总复杂度为$\Theta (nlgn)$
2-1:
a.证明:
$$T_1(n,k)=\frac{n}{k}O(k^2)=O(nk).$$
b.证明:
$$T_2(n,k)=O(n)\cdot \lg (\frac{n}{k})=O(n\cdot \lg (\frac{n}{k}))$$
c.证明:
首先$k=\lg n$即可.
其次我们希望其拥有最好的时间复杂度,那么有:
$$T_1=O(T_2)\iff c_{1}nk=c_{2}n\lg \frac{n}{k}\iff k+\lg k=c\lg n$$
所以实践中近似选择$k=c\lg n$，会比较好.
2-2，2-3，2-4暂略。