数据结构与算法学习1 复杂度

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