算法导论：2 渐进符号、递归及解法

最新推荐文章于 2023-01-26 03:27:43 发布

nathan_deep

最新推荐文章于 2023-01-26 03:27:43 发布

阅读量633

点赞数 1

分类专栏：数据结构与算法

本文链接：https://blog.csdn.net/chaojianmo/article/details/102637636

版权

数据结构与算法专栏收录该内容

5 篇文章 1 订阅

订阅专栏

1 渐进符号

1.1 符号

f(n)=O(g(n))

存在常数 c>0 与 $n_{0}>0$ ，对所有的 $n\geqslant n_{0}$ ，满足 $0\leqslant f(n)\leqslant cg(n)$ 。 f(n) 的复杂度最多与 g(n) 一个数量级，即小于等于。

例： $2n^{2}=O(n^{3})$

宏
出现在公式中的集合符号(如)表示集合中的某一个函数，而不是集合整体。

例1： $f(n)=n^{3}+O(n^{2})$
直观理解：表示了一个误差界限，即 f(n) 主要是由 $n^{3}$ 构成的，但也有一些 $O(n^{2})$ 的低阶项
实际含义：存在一个函数 $h(n)\in O(n^{2})$ ，使得 $f(n)=n^{3}+h(n)$

例2： $n^{2}+O(n)=O(n^{2})$
直观理解：“=”应该理解成“是”，而不是“等于”。等号左边隐含任意量词，等号右边隐含存在量词，
实际含义：对于任意函数 $f(n)\in O(n)$ ，总存在函数 $h(n)\in O(n^{2})$ ，使得 $n^{2}+f(n)=h(n)$
用途：如果有很长的“等式链”，第一个就等于最后一个（只能从左到右，因为是非对称的）

1.2 $\Omega$ 符号

$f(n)=\Omega (g(n))$

存在常数 c>0 与 $n_{0}>0$ ，对所有的 $n\geqslant n_{0}$ ，满足 $0\leqslant ng(n)\leqslant f(n)$ 成立。 f(n) 的复杂度最少与 g(n) 一个数量级，即大于等于。

例： $\sqrt{n}=\Omega (logn)$

1.3 $\Theta$ 符号

$\Theta (g(n))=\Omega (g(n))\bigcap O(g(n))$

$f(n)=\Theta (g(n))$ ，表示 f(n) 的复杂度既大于等于 g(n) 的复杂度，又小于等于 g(n) 的复杂度，即于 g(n) 的复杂度相当。

例： $n^{2}=\Theta (n^{2})$ , $n^{2}+O(n)=\Theta (n^{2})$

1.4 和 $\omega$ 符号

更“严格的”和 $\Omega$ ，不等式需要对所有的c成立，而不仅仅是一个特定的c

类比

2 求解递归的三种方法

2.1 代换法

第一步：猜答案Guess the form of the solution。代换法在大多数情况下是有效的，但是不幸的是第一步需是猜答案。你不需要完全猜出来，你可以不需要知道常数系数确切是多少，仅需要猜它的形式。

第二步：通过数学归纳法验证第一步才出来的form是否满足条件。

第三步：也是第二步的必然结果，如果猜对了那么很容易解出常数系数。

下图所示是如何利用代换法解一个递归式：

证明 $T(n)=O(n^{3})$

那么，上图中证明了 T(n) 小于等于一个常数乘以 $n^{3}$ 。图中所解出的答案就是上界，不过不是严格的上界，事实上我们认为 $n^{2}$ 也成立。所以这并不能证明递归式的答案就是 $n^{3}$ ，这只是表示至多是 $O(n^{3})$ 。

证明 $T(n)=O(n^{2})$

改进归纳假设

考虑低阶项！！

2.2 递归树法

将抽象递归表达式具体化的最佳图形表示就是递归树。该模型以输入规模为n开始，一层层地分解，直到输入规模变为1为止。而这个时候的解决方案已经是琐细的了。图3-5为表达式T(n) = T(n /4) + T(n / 2)+ n2 的递归树。

各棵树的叶子节点数不一样，因为递归速度不一样。如果按n的子节点为两个n/2，叶子节点数为n，该例子中n的节点为n/4和n/2, 叶子节点数肯定小于n。

$T(n)=n^{2}(1+\frac{5}{16}+(\frac{5}{16})^{2}+...)=O(n^{2})$

2.3 主定理法(Master Method)

每个子问题的规模相同，a个相同的子问题。

$T(n)=aT(\frac{n}{b})+f(n)$ where $a\geqslant 1, b\geqslant 1$ ， f(n) 是不参与递归的复杂度函数

判断 $n^{log_{b}a}$ 与 f(n) 的大小关系（ $n^{log_{b}a}$ 是递归树叶子节点的数量）：

若对某个常数 $\epsilon >0$ , 有 $f(n)=O(n^{log_{b}a-\epsilon} )$ , 则 $T(n)=\Theta (n^{log_{b}a})$
若 $f(n)=\Theta (n^{log_{b}a} )$ ，则 $T(n)=\Theta (n^{log_{b}a}logn)$
若对某个常数 $\epsilon >0$ ，有 $f(n)=\Omega (n^{log_{b}a+\epsilon} )$ ，且对某个常数和所有足够大的有 $af(n/b)\leqslant cf(n)$ , $T(n)=\Theta (f(n))$