算法导论学习笔记01——算法时间复杂度

最新推荐文章于 2023-02-25 21:57:03 发布

hippo_lovely

最新推荐文章于 2023-02-25 21:57:03 发布

阅读量655

点赞数

分类专栏：算法文章标签：算法笔记

本文链接：https://blog.csdn.net/hippo_lovely/article/details/83277666

版权

算法专栏收录该内容

8 篇文章 0 订阅

订阅专栏

本篇文章分四部分内容。第1部分简单的给出时间复杂度定义；第2第3部分介绍了插入排序和并归排序的实现，以及这两种算法时间复杂度的计算；第4部分贴出C语言源码，并提供了一种对排序算法正确性测试的方法。

1、时间复杂度定义

定义：对于函数 $f(n)$ 存在函数和常数 $c_{1}, c_{2}, n_{0}$ ，当 $n\geqslant n_{0}$ 时，满足不等式： $0\leqslant c_{1}g(n)\leqslant f(n)\leqslant c_{2}g(n)$ ，则称是 $f(n)$ 的一个渐进紧确界。记做： $f(n) \in \Theta (g(n))$ 或 $f(n)=\Theta (g(n))$ 。

当只有一个边界时，就是渐进上界或渐进下届：

对于函数 $f(n)$ 存在函数 g(n) 和常数 $c, n_{0}$ ，当 $n\geqslant n_{0}$ 时，满足不等式：对于给定的一个函数g(n)，存在函数f(n)和常数{c}'1 $0\leqslant f(n)\leqslant cg(n)$ ，则称 g(n) 是 $f(n)$ 的一个渐进上界。记做： $f(n)=O (g(n))$ 。

对于函数 $f(n)$ 存在函数 g(n) 和常数 $c, n_{0}$ ，当 $n\geqslant n_{0}$ 时，满足不等式：对于给定的一个函数g(n)，存在函数f(n)和常数{c}'1 $0\leqslant cg(n)\leqslant f(n)$ ，则称 g(n) 是 $f(n)$ 的一个渐进下界。记做： $f(n)=\Omega (g(n))$ 。

当边界只能大于（小于）而不能等于时，认为边界是渐进的但不是紧确的：

对于函数 $f(n)$ 存在函数 g(n) 和常数 $c, n_{0}$ ，当 $n\geqslant n_{0}$ 时，满足不等式：对于给定的一个函数g(n)，存在函数f(n)和常数{c}'1 $0\leqslant f(n)< cg(n)$ ，则称 g(n) 是 $f(n)$ 的一个渐进非紧确上界。记做： $f(n)=o (g(n))$ 。

对于函数 $f(n)$ 存在函数 g(n) 和常数 $c, n_{0}$ ，当 $n\geqslant n_{0}$ 时，满足不等式：对于给定的一个函数g(n)，存在函数f(n)和常数{c}'1 $0\leqslant cg(n)< f(n)$ ，则称 g(n) 是 $f(n)$ 的一个渐进非紧确下界。记做： $f(n)=\omega (g(n))$ 。

我们常说的时间复杂度就是渐进上界。

2、插入排序及其时间复杂度

2.1 算法实现

插入排序将n个数字分成2部分，左边（蓝色）的是有序序列，右边（橘色和绿色）的是未排序序列，每次选择未排序序列的第一个数（橘色）将其插入到有序序列中。

下面一组图展示了将一个未排序数插入到已排序序列的过程：

② 将橘色的待排序数取出，在原有位置留下一个空位

③ - ④ 将橘色待排序数从后向前与有序序列进行比较，如果待排序数小，则将与之比较的有序数向后移动到空位中

⑤ 当待排序数在有序序列中找到第一个比它小的数时，停止比较，将待排序数插入到空位中

伪代码如下：

数组的第一个元素为A[0]，开始时认为A[0]是第一个有序序列，从A[1]开始到A[length-1]将每一个未排序数插入到有序序列中。

INSERTION-SORT(A)
	for j = 1 to A.length - 1
		key = A[j]
		i = j - 1
		while i >= 0 and A[i] > key
			A[i + 1] = A[i]
			i = i - 1
		A[i + 1] = key

2.2 时间复杂度

给伪代码中每一行都可以在一个常数的指令周期中完成，令每一行的代码是 $c_{1}$ ~ $c_{7}$ 。假设代码运行在最坏的情况下，即序列时逆序的，那么：在2行的for循环下，每次循环中5-7行会执行 j 次或 j-1 次，用 $t_{j}$ 表示每个 for 循环时5-7行需要执行的次数，循环从j=1到j=n-1因此5-7行总执行次数为 $\sum_{j=1}^{n-1}t_{j}$ 。因此各行执行次数如下：

得到程序耗时：

故可以得到最坏情况下的运行时间，即渐进上届 $O(n^{2})$

3、并归排序及其时间复杂度

3.1 算法实现

并归排序是分治思想的一种应用，即将一个问题分解成若干个子问题，解决较容易的子问题后，在将子问题的结果合并成原问题的结果。并归排序可以分成以下3步：

① 分解：将需要排序的n个数分解成2个子序列，每个序列有n/2个数

② 解决：使用并归排序递归的排序两个子序列

③ 合并：合并排序后的两个子序列

伪代码如下：

MERGE-SORT(A, p, r)
    if p < r
	q = (p + r)/2
	MERGE-SORT(A, p, q)
	MERGE-SORT(A, q + 1, r)
	MERGE(A, p, q, r)

当 p >= r 的时候递归结束。MERGE函数将长度为 q - r + 1 和 r - q 的两个有序子序列合并成一个有序序列，放在 A[p, r] 中，其实现如下：

MERGE(A, p, q, r)
	n1 = q - p + 1
	n2 = r - q
	let L[0, 1, 2, ... n1] and R[0, 1, 2, ... n2]
	for i = 0 to n1 - 1
		L[i] = A[p + i]
	for i = 0 to n2 - 1
		R[i] = A[q + i + 1]
	L[n1] = MAX
	R[n2] = MAX
	i = 0
	j = 0
	for k = p to r
		if L[i] <= R[j]
			A[k] = L[i]
			i = i + 1
		else
			A[k] = R[j]
			j = j + 1

将两个有序序列合成时，每次比较只需要将两个子序列剩余数字的第一个进行比较，选出较小的一个即可。同时在做MERGE时使用了“哨兵”的方法，来使代码更紧凑。

“哨兵”是一个无限大的数，在序列A和子序列B的尾部都增加这样一个“哨兵”。这样在12~18行的循环中，如果序列A已经弹出所有数字，当前只剩“哨兵”。那么在接下来的比较中因为“哨兵”将大于B中剩余的数字，使用这种方法隐式的表明一个序列以到达尾部。

3.2 时间复杂度

我们先来计算MERGE过程的时间复杂度，令MERGE函数需要合并的序列长度为n = r - p + 1：

2 ~ 4 行与 9 ~ 12行都会占用常数的计算时间，总时间为 $c_{1}$

5 ~ 8 行的两个for循环：循环的次数分别为 p - q + 1 和 r - q，共n次，总时间 $c_{2}n$

13 ~ 19 行for循环：循环次数为r - q + 1 即n次，总时间为 $c_{3}n$

因此得到MERGE过程对n个数进行合并时，时间复杂度为 $O(n)$

下面来看MERGE-SORT过程的时间复杂度：当n = 1时，只需要进行一次比较即可，令时间为常数c。当n不为1时，递归过程将T(n)转化成了2个T(n/2)任务，以及一个MERGE(n)过程，后者拥有线性的时间复杂度，则递归式可以写成：

$T(n)=\left\{\begin{matrix} c........................n=1\\ 2T(n/2) + cn.....n>1 \end{matrix}\right.$

递归过程所用时间树如下图所示：

可以看出分治排序的总代价为： cnlgn + cn (其中 $lg^{n}$ 表示 $log_{2}^{n}$ 。因此得到分治排序的时间复杂度为 O(lgn)

(注：在计算时间复杂度时，为了方便分析假设lgn是整数，当lgn不是整数时，递归过程时间树每层消耗时间将 $\leqslant cn$ ，所以 $lgn$ 是分治排序的渐进(紧确)上界，当lgn为整数时达到紧确。

4、代码与测试

4.1 测试代码

测试代码包括2部分，第一部分是C代码中的main函数，功能是读取输入参数，生成需要排序的数组arr和数组长度n。然后调用对应的排序算法将数据排序，最后将数组输出。

#include <stdio.h>
#include <stdlib.h>

extern int merge_sort(int A[], int p, int r);

int get_number(int num, int **arr, char *argv[])
{
	int i;
	
	*arr = (int *)malloc(sizeof(int) * num);
	if (NULL == *arr) {
		printf("Error: malloc failed\n");
		return -1;
	}
	for (i = 0; i < num; i ++) {
		(*arr)[i] = atoi(argv[i + 1]);
	}
	return 0;
}

int print_number(int num, int arr[])
{
	int i;
	for (i = 0; i < num; i++) {
		printf("%d ", arr[i]);
	}
	printf("\n");
	return 0;
}

int main(int argc, char *argv[])
{
	int num, *arr;

	num = argc - 1;
	if (get_number(num, &arr, argv)) {
		return -1;
	}
	if (sort(num, arr)) {
		return -1;
	}
	print_number(num, arr);
	free(arr);
	return 0;
}

第二部分使用python脚本，生成一个小于10000的整数n，然后生成n个随机整数，作为“输入”，调用python的sort函数对“输入”进行排序，作为“答案”。将排序程序的“结果”比照“答案”进行检查，python代码如下：

import os
import random

def do_test(func_str, arg, res):
    cmd = func_str + " " + arg
    ret = os.popen(cmd).read().strip()
    if res != ret:
        print "Error case\n" + "case: " + arg + "\nres:  " + ret
        return -1
    return 0

MAX = 2147483647
MIN = -2147483648
TIMES = 10000
MAX_NUMBER = 10000

if __name__ == '__main__':
    func = "./sort"
    for i in range(TIMES):
        number_len = random.randint(1, MAX_NUMBER)
        number = [random.randint(MIN, MAX) for i in range(number_len)]
        number_s = sorted(number)
        arg = ' '.join(str(n) for n in number)
        res = ' '.join(str(n) for n in number_s)
        ret = do_test(func, arg, res)
        if ret == -1:
            break

4.2 插入排序

/*
INSERTION-SORT(A)
	for j = 1 to A.length - 1
		key = A[j]
		//INSERT a[j] into the sorted swquence A[1 ... j - 1]
		i = j - 1
		while i >= 0 and A[i] > key
			A[i + 1] = A[i]
			i = i - 1
		A[i + 1] = key
*/

void insert_sort(int n, int A[])
{
	int i, j, key;
	for (j = 1; j < n; j++) {
		key = A[j];
		i = j - 1;
		while (i >= 0 && A[i] > key) {
			A[i + 1] = A[i];
			i--;
		}
		A[i + 1] = key;
	}
	return;
}

int sort(int n, int arr[])
{
	insert_sort(n, arr);
	return 0;
}

4.3 并归排序

#include <stdio.h>
#include <stdlib.h>
/*
	MERGE(A, p, q, r)
	n1 = q - p + 1
	n2 = r - q
	let L[0, 1, 2, ... n1] and R[0, 1, 2, ... n2]
	for i = 0 to n1 - 1
		L[i] = A[p + i]
	for i = 0 to n2 - 1
		R[i] = A[q + i + 1]
	L[n1] = MAX
	R[n2] = MAX
	i = 0
	j = 0
	for k = p to r
		if L[i] <= R[j]
			A[k] = L[i]
			i = i + 1
		else
			A[k] = R[j]
			j = j + 1
 */
#define BIG ((1 << (sizeof(int) * 8 - 1)) - 1)
int merge(int A[], int p, int q, int r)
{
	int n1 = q - p + 1;
	int n2 = r - q;
	int *L = (int *)malloc(sizeof(int) * (n1 + 1));
	if (L == NULL) {
		printf("err malloc\n");
		return -1;
	}
	int *R = (int *)malloc(sizeof(int) * (n2 + 1));
	if (R == NULL) {
		printf("err malloc\n");
		free(L);
		return -1;
	}
	int i, j, k;
	for (i = 0; i < n1; i++) {
		L[i] = A[p + i];
	}
	for (i = 0; i < n2; i++) {
		R[i] = A[q + i + 1];
	}
	L[n1] = BIG;
	R[n2] = BIG;
	i = 0;
	j = 0;
	for (k = p; k <= r; k++) {
		if (L[i] <= R[j]) {
			A[k] = L[i];
			i++;
		} else {
			A[k] = R[j];
			j++;
		}
	}
	free(R);
	free(L);
	return 0;
}

/*
 	MERGE-SORT(A, p, r)
	if p < r
		q = (p + r)/2
		MERGE-SORT(A, p, q)
		MERGE-SORT(A, q + 1, r)
		MERGE(A, p, q, r)
 */
int merge_sort(int A[], int p, int r)
{
	if (p < r) {
		int q = (p + r) / 2;
		merge_sort(A, p, q);
		merge_sort(A, q + 1, r);
		return merge(A, p, q, r);
	}
	return 0;
}

int sort(int n, int arr[])
{
	return merge_sort(arr, 0, n - 1);
}

hippo_lovely

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
算法导论学习笔记01——算法时间复杂度

1、时间复杂度定义定义：对于函数存在函数和常数，当时，满足不等式：，则称是的一个渐进紧确界。记做：或。当只有一个边界时，就是渐进上界或渐进下届：对于函数存在函数和常数，当时，满足不等式：，则称是的一个渐进上界。记做：。对于函数存在函数和常数，当时，满足不等式：，则称是的一个渐进下界。记做：。当边界只能大于（小于...
复制链接

扫一扫