【浙大数据结构】【笔记】第一周 - 基本概念_数据结构浙大算法效率-CSDN博客

本文链接：https://blog.csdn.net/furoto_/article/details/115681591

第一讲基本概念

1.1 算法效率

工具

clock（）: 捕捉从程序开始到clock()被调用为止所消耗的时间(时间单位 clock tick)
常数 CLK_TCK：机器时钟每秒所走的时钟打点数

基本结构：

#include <stdio.h>
#include <time.h>

clock_t start, stop;	 //clock_t是clock()函数返回的变量类型
double duration;		 //记录被测函数运行时间，秒为单位
int main(){
	start = clock();
	function();
	stop = clock();
	duration = ((double)(start - stop))/CLK_TCK;
	
	return 0;
}

效率对比

#include <stdio.h>
#include <time.h>
#include <math.h>

#define MAXN 100
#define MAXK 1e6

clock_t start, stop;
double duration;

double f1(int n, double* a, double x){
	int i;
	double p = a[0];
	for(i = 1; i<=n; i++)
		p+= (1/a[i] * pow(x, i));
	return p;
}

double f2(int n, double* a, double x){
	int i;
	double sum = a[1];
	for(i = 100; i > 0; i--)
		sum = sum*x + 1/a[i];
	return sum;
}

int main(){
	int i;
	double a[MAXN];
	for(i = 0; i < MAXN; i++)
		a[i] = (double)i;
	/*以上初始化a[i]*/
	start = clock();
	for(int k = 0; k < 2; k++){
		start = clock();
		if(k == 0) 
			for(i = 0; i < MAXK; i++) 
				f1(MAXN, a, 1.1);
		else 
			for(i = 0; i < MAXK; i++) 
				f2(MAXN, a, 1.1);
		stop = clock();
		duration = ((double)(stop - start))/CLK_TCK;
		
		printf("第%d个程序经历的时钟点数为%f次\n", k+1, (double)(stop - start));
		printf("第%d个程序经历的时间为%f秒\n", k+1, duration);	
	}
	
	return 0;
}

输出结果：

第1个程序经历的时钟点数为2898.000000次
第1个程序经历的时间为2.898000秒

第2个程序经历的时钟点数为587.000000次
第2个程序经历的时间为0.587000秒

1.2 评估算法

时间复杂度
空间复杂度

1.3 应用：最大子列和

算法1

int MaxSubsequSum1(int A[], int N){
	int ThisSum, MaxSum = 0;
	int i, j, k;
	for(i = 0; i < N; i++){
		for(j = i; j < n; j++){
			ThisSum = 0;
			for(k = i; k <= j; k++)
				ThisSum += A[k];
			if(ThisSum > MaxSum)
				MaxSum = ThisSum;
		}
	}
	return MaxSum;
}

算法2

较算法1优化，不需要重新计算已经计算过的内容

int MaxSubsequSum2(int A[], int N){
	int ThisSum, MaxSum = 0;
	int i, j;
	for(i = 0; i < N; i++){
		ThisSum = 0;
		for(j = i; j < n; j++){
			ThisSum += A[k];
			if(ThisSum > MaxSum)
				MaxSum = ThisSum;
		}
	}
	return MaxSum;
}

算法3 —— 分治法

依次计算左边的最大子列和，右边的最大子列和，以及跨越中间的最大子列和

int Max3( int A, int B, int C )
{ /* 返回3个整数中的最大值 */
    return A > B ? A > C ? A : C : B > C ? B : C;
}

int DivideAndConquer( int List[], int left, int right )
{ /* 分治法求List[left]到List[right]的最大子列和 */
    int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
    int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/

    int LeftBorderSum, RightBorderSum;
    int center, i;

    if( left == right )  { /* 递归的终止条件，子列只有1个数字 */
        if( List[left] > 0 )  return List[left];
        else return 0;
    }

    /* 下面是"分"的过程 */
    center = ( left + right ) / 2; /* 找到中分点 */
    /* 递归求得两边子列的最大和 */
    MaxLeftSum = DivideAndConquer( List, left, center );
    MaxRightSum = DivideAndConquer( List, center+1, right );

    /* 下面求跨分界线的最大子列和 */
    MaxLeftBorderSum = 0; LeftBorderSum = 0;
    for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
        LeftBorderSum += List[i];
        if( LeftBorderSum > MaxLeftBorderSum )
            MaxLeftBorderSum = LeftBorderSum;
    } /* 左边扫描结束 */

    MaxRightBorderSum = 0; RightBorderSum = 0;
    for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
        RightBorderSum += List[i];
        if( RightBorderSum > MaxRightBorderSum )
            MaxRightBorderSum = RightBorderSum;
    } /* 右边扫描结束 */

    /* 下面返回"治"的结果 */
    return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
}

int MaxSubseqSum3( int List[], int N )
{ /* 保持与前2种算法相同的函数接口 */
    return DivideAndConquer( List, 0, N-1 );
}

算法4 —— 在线处理

实时处理

int MaxSubsequSum2(int A[], int N){
	int ThisSum, MaxSum;
	int i;
	ThisSum = MaxSum = 0；
	for(i = 0; i < N; i++){
		ThisSum += A[i];
		if(ThisSum > MaxSum)
			MaxSum = ThisSum;
		else if(ThisSum < 0)    //如果当前子列和是负的，直接抛弃前面的子列并归零
			ThisSum = 0;
		}
	}
	return MaxSum;
}