算法导论学习2

2.2 算法分析

  一般的，对于算法来说，重点关注的是对算法的时间和空间度量，也就是时间复杂度和空间复杂度。

         算法所需要的时间与输入的规模同步增长的，而时间复杂度就是衡量算法执行的基本操作数的一个函数。

         对于插入排序来说，当需要排列的数组分别为顺序排列和逆序排列时，算法的时间复杂度是不一样的。

根据算法执行的每一步，每一步所执行的次数，得出一个时间衡量函数。

顺序排列：T(n)=an+b ,为n的线性函数

逆序排列：T(n)=an^2+bn+c ,为n的二次函数

上述分别为最佳情况和最差情况，一般考察算法的最差运行时间！一般的，平均情况下的运行时间一般与最差情况一样差！

         当比较不同算法的效率时，如果一个算法的最坏情况运行时间比另一个算法的低，其效率认为更高。

 

课后习题：

1.       因为当n很大时，可以忽略低阶项的影响。

2.       选择排序伪代码

Input：A[a1,a2,…,an]

Output: Sorted A

for  i = 1:n-1

         for  j = i+1:n

                   find min of A[i:n]

   end

  A[i] <--> A[min]

end

 

循环不等式，我们选择A[1,i-1]为已经排好序的数组，而剩余的元素比这些元素大，满足循环不等式。只循环n-1是因为剩余的第n个元素已经是最大的！

 

当所有元素按照升序排序时，

该算法按照降序排序也一样

因此舍去低阶项，该算法的时间复杂度可以记为：

3． 当查找数组中元素的可能性相等时，平均和最坏情况下都满足线性搜索

4． 比较合理的输入使得算法可以有最佳运行时间