数据结构与算法学习
复杂度
-
机器运算加减法的速度比乘除法快很多,算法计算其实就是在数做了几次乘法
-
已知两端算法的上界,如果把两端算法拼在一起,总时间就是两个上界中最大的那个,如果把两端算法嵌套起来,总时间就是两个上界的乘积
-
实例分析:
给定N个整数的序列{A1,A2,A3…An},求最大子列和
算法1:
int maxsubseqsum1(int A[],int N){
int thissum,maxsum=0;
int i,j,k;
for(i=0;i<N;i++){//i是子列左端的位置
for(j=i;j<N;j++){//j是子列右端的位置
thissum=0;//thissum是从A[i]到A[j]的子列和
for(k=i;k<=j;k++){
thissum+=A[k];
}
if(thissum>maxsum){//更新最大子列和
maxsum=thisum;
}
}
}
return maxsum;
}
//复杂度为T(N)=O(N^3)
算法2:
int maxsubseqsum2(int A[],int N){
int thissum,maxsum=0;
int i,j;
for(i=0;i<N;i++){//i是子列左端的位置
thissum=0;//thissum是从A[i]到A[j]的子列和
for(j=i;j<N;j++){//j是子列右端的位置
thissum+=A[j];
if(thissum>maxsum){
maxsum=thissum;
}
}
}
return maxsum;
}
//该算法2与算法1的不同在于,算法2只是在j循环中子列累加下一项,并没有将子列归零重新累加
//复杂度为T(N)=O(n^2)
算法3(分而治之):
先将序列对半分,分别计算左右两侧的最大子列和与跨越边界的最大子列和,将三个子列和进行比较,最大的就是整个序列的最大子列和
复杂度计算采取了递归算法
递归部分的复杂度计算:S(N) = 2S(N/2) = 2[2S(N/2^2)]…经过k步展开=2的k次方*O(1) 且2^k=N
于是整个算法的复杂度O(N)+O(NlogN),取上界大的那一项即NlogN
算法4(在线处理):
int maxsubseqsum(int A[],int N){
int thissum=0,maxsum=0;
int i;
for(i=0;i<N;i++){
thisssum+=A[i];
if(thissum>maxsum){
maxsum=thissum;
}
else if(thissum<0){
thissum=0;
}
}
return maxsum;
}
//复杂度为T(N)=O(N^3)
//在线处理是指每输入一个数据就能即时处理,在任何地方中止输入算法都能给出当前正确的解