时间复杂性理论[自动控制]

时间复杂性理论[自动控制]

可判定性
如果有一台图灵机决定L。
如果L（M）=L且M停止，则图灵机 M决定语言L每一个输入。
语言≈ （计算）问题
图灵机（TM）≈ 算法
可判定的≈ 可解
因此，上述内容相当于：如果有解P的算法，问题P是可解的。
停顿问题的不确定性意味着：没有算法可以决定给定的软件程序终止！

非平凡性质
我们说可识别语言的一个性质P是微不足道的，要么：P不包含任何语言或;P包含所有语言
否则，我们说P是非平凡的。
由一个简单的TM决定，要么总是拒绝，要么总是接受。

考虑确定性语言TM，它决定语言L。
对于任何字符串w，M的计算终止于有限域转换次数。

转换的数量取决于输入的性质以及确切的输入字符串w。
例如：
1.如果输入是一个图形，它可能取决于节点数、边数或图表
2.如果输入是字符串，则可能取决于字符串的长度字符串或字母表的大小

为了简单起见，我们只计算算法的运行时间作为代表输入的字符串长度的函数。
最佳案例分析：一个系统所有输入的最佳运行时间给定长度
平均案例分析：所有运行时间的平均值给定长度的输入
最坏情况分析：一个系统所有输入的最长运行时间给定长度
我们将关注最坏情况分析。
TM(n) =决定任何长度为n的字符串所需的最长时间

效率最重要的方面是可伸缩性，即运行时随着输入大小n而增长。
渐近透视：n≥ n0（小问题容易解决）可伸缩性比不变的因素更重要
随着n的增加，小阶项变得越来越不重要
渐近行为最好由(O, Ω, Θ, o, ω)组成

在计算机科学中，大O符号用于根据算法的运行时间或空间需求随输入大小的增长而增长的方式对算法进行分类。[3] 在解析数论中，大O表示法通常用于表示算术函数和更好理解的近似之间的差的界；这种差异的一个著名例子是素数定理中的余项。大O表示法也用于许多其他领域，以提供类似的估计。
大O表示法根据函数的增长率来表征函数：具有相同增长率的不同函数可以使用相同的O表示法来表示。之所以使用字母O，是因为函数的增长率也被称为函数的阶数。用大O表示法描述函数通常只提供函数增长率的上限。
与大O表示法相关的是几个相关的表示法，使用符号O、Ω、ω和Θ来描述渐近增长率的其他类型的界限。

DTIME(T(n)) ≈ “set of all languages (problems) decidable by a deterministic single-tape TM in time O(T(n))”
Examples:
DTIME(n) ≈ “linear-time solvable problems”

比较二进制数

1. 1001 1011 比较最低（最左边）位。（相同）
2. 001 011 比较最低（最左边）位。（相同）

比较一元数：
aaa bbb (same)
aaaa bbb (different)
其中一个数字中的奇数字符数=奇数数字
其中一个数字中的偶数字符数=偶数数字