算法分析的方法

算法分析包含两个方面
（1）正确性：不变性，单调性
（2）复杂度：时间，空间，稳定性

正确性：

算法正确性的证明——以冒泡排序为例
算法是否必然会结束？
（1）不变性：k轮扫描后，k个最大元素必已就位
（2）单调性：k轮扫描，问题规模缩减至n-k
因此n次扫描后，算法必然终止，正确性得到证明

复杂度：

1、复杂度分析的方法：
迭代式：级数求和
递归式：递归跟踪 + 递推方程

2、复杂度分析几个常用到的级数：
1、算术级数(等差数列)：
$T(n)=1+2+3+...+n=n(n+1)/2=O(n^2)$

2、幂方级数，结果比幂次高一阶：
$T_2(n)=1^2+2^2+3^2+...+n^2=n(n+1)(2n+1)/6=O(n^3)$
…
$T_4(n)=O(n^5)$

3、几何级数(等比数列的前n项和)，与末项同阶：
$T_a(n)=a^0+a^1+...+a^n=O(a^n)$
$1+2+4+...+2^n=O(2^n)$

4、收敛级数，复杂度O(1)
$1+1/2^2+1/3^2+...+1/n^2=O(1)$

5、调和级数
$1+1/2+1/3+...+1/n=seta(logn)$

6、对数级数
$log1+log2+log3+...+logn=seta(nlogn)$

3、封底估计
一天≈10^5s
一生（100年）≈ 3*10^9s
使用冒泡排序对全国人口普查要花费多久？
人口≈ 10^9
冒泡排序时间复杂度为$O(n^2)$
因此，使用冒泡排序大概要进行10^18次计算，普通计算机估计每秒能进行10 ^9次运算，因此排好序大概要花费10 ^9s，大约为30年
而使用归并排序，则所用的时间用同样的方法估计则大约为30s。

递归分析

迭代乃人工，递归方神通

1、递归的分类：
递归可分为两种类型：
（1）减而治之：需要给出平凡的递归基
（2）分而治之：将原问题分成两个规模大体相当的子问题，分别求解子问题，得到原问题的解

2、迭代和递归的区别：
迭代计算数组和：for循环直接累加求和
递归计算数组和：
（1）减而治之：return (n<1)？0：sum(A,n-1) + A[n-1], 0是平凡的递归基
（2）分而治之：

if(lo==hi)return lo;
int mid = (lo+hi) >> 2;
return sum(A,lo.mid) + sum(A,mid+1,hi);

3、递归时间复杂度求解—递归跟踪
（1）减而治之
所需时间为递归实例总数*每个递归实例所需时间
递归实例为：(sum(A,n)->sum(A,0))
数组求和中每个递归实例需执行sum(A,n-1) + A[n-1]语句，sum(A,n-1)可以省略，计入尤其生成的递归实例中，本例中，每个递归实例需要O(1)的时间，因此总共复杂度为O(n)。
（2）分而治之
统计各层递归实例所需时间之和
第一层0个，第二层2个…最后一层2 ^(logn)个
每个递归实例时间复杂度为O(1)，
因此总的时间复杂度为O(n)

这里递归实例的情况符合几何级数，几何级数的阶数与末项同阶，因此只要考虑最底层就可以了，另外这里最底层的项数和元素个数相等，因此复杂度为O(n).

4、递归时间复杂度求解—递推方程
（1）减而治之：
数组求和的递推方程为：T(n)=T(n-1)+O(1)，T(0)=O(1)
递推方程的求解：
等式两边减n：T(n) - n= T(n-1) - (n-1)
可得：T(n)- n = T(0) = O(1)
因此：T(n)= O(1)+n = O(n)
（2）分而治之：
T(n) = 2*T(n/2) + O(1)

平均分析VS分摊分析

1、平均分析：
将数据结构各种操作的成为做加权取得平均性能
2、分摊分析
对数据结构实施足够多次操作，将总体成本分摊至单次操作