算法导论一-算法分析

一，插入排序： 插入的定义排序简单来说，就是把待排序值通过比较交换的方式插入到已排序的列表中。

• 找了个比较形象的图：
  
• 一个简单的例子：

#如待排列表为： [3,4,1,2,4,5]
#由于第一个是排好序的，因此我们从第二个开始比较。
#第一次排序结果：  [3,4,1,2,4,5]
#第二次排序结果：  [1,3,4,2,4,5] 。
#得到第二次结果的数据移动情况： [3,4,1,2,4,5]  => [3,1,4,2,4,5] =>[1,3,4,2,4,5] =>结束第二次
#第三次排序结果： [1,2,3,4,4,5] 
#得到第三次结果的数据移动情况：[1,3,4,2,4,5]  = [1,3,2,4,4,5] => [1,2,3,4,4,5]  => [1,2,3,4,4,5]
#第四次排序结果： [1,2,3,4,4,5] 
#得到第四次结果的数据移动情况： [1,2,3,4,4,5]  =>  [1,2,3,4,4,5] 
#第五次排序结果： [1,2,3,4,4,5]
#得到第四次结果的数据移动情况： [1,2,3,4,4,5]  =>  [1,2,3,4,4,5] 

• 根据定义，可以简单写出代码：

public void insertSort(int arr[]){
	for(int i=1;i<arr.length;i++){ //外层控制开始排第几个。
		for(int j=i; j>0 && arr[j]< arr[j-1];j--){  //内层控制比较和交换。
			int tmp = arr[j-1];
			arr[j-1] = arr[j];
			arr[j] = arr[j-1]; 
		}
	}
}

二，算法的运行时间. 考虑上面插入算法的例子：

• 给定的数据。如，对于上面的例子，排好序的序列会相对快，最差的则是逆序；
• 数据的规模。如，排10个和100000000个时间明显不同。我们在算法中，一般将输入的规模参数化，将运行时间看做规模的函数。
• 运行时间的上界。在最坏的给定数据下，运行时间与数据规模的函数关系，以此我们才能做出保证，这也是算法最关注的分析。

三，算法分析 T(n)

• 最长时长，T(n) = max time on any input of size n.
• 平均时长（期望时长） T(n)= 输入规模n下所有可能输入的期望时间，即所有可能出现的n*出现的概率相加取平均值（加权平均），一般我们假设所有输入等可能出现。
• 最好情况（假象）：只对特定输入有效，一般不考虑。

四，渐进分析：关注运行时间的增长速度，忽略依赖于机器的常量，弃去低阶项，只关注最高阶。因为当n足够大时，最终是由最高阶影响其增长速度。渐进符号θ。

• 如： 3n³+2n²+5n+100 = θ(n³)

五，继续分析插入排序

• 最坏情况：即逆序情况，把交换移动看做常数项，只关注循环次数。可以发现，i=2时，j一次; i=3时, j 两次。可以得到如下（即等差数列的和）：
  T(n) = 1+2+3+…(n-1) = θ(n²)
• 对于小n，速度比较快，但是增长很快。

六，归并排序 将已经排序的序列合并成一个序列的操作。归并排序算法依赖归并操作。

• 归并，简单来说，两个排序序列，每次取其最小的值，写到第三个序列中，最好得到的序列也是排好序，并且是原先两个序列的合并。
• 可以发现，归并操作是一个线性时间。完全遍历两个序列即可。
• 时间： T(n) = 分解的子序列和+合并子序列时间<线性>。 即 T(n) = 2T(n/2) + θ(n)
• 找了一个比较形象的图：
• 可以看到，首先是向下分解，是常数时间。然后向上归并，可以发现，每层都要遍历n个数，即每一层都需要线性时间。那么总时间为： 层数*n .
• 那么到底有多少层。log n 层。我们可以看到，序列数每次其实都在2分，即， 2 的x 次方要大于等于n。要求x，这里是取以2为底，n的对数。即 log n.
• 因此归并排序 T(n) = θ(n log n) , 这个在n比较大时远小于 n²