算法导论巩固笔记（1）

下个月开始要从事服务器工作了，于是捡起一些CS的基础课，巩固一下原先的知识。

先从算法开始，配合网易的公开课，传送门。

第一课介绍了两种排序算法，插入和归并。

1. 影响运行时间的因素：

·输入（比如已经排序好的输入）

·输入规模（输入6个数或输入6X10^9）

-将输入规模参数化

·运行时间的上限

-对用户的保证（比如运行时间少于3秒，这就是一个用户如何使用该程序的真实信息）

2.算法分析：

·最坏情况分析

-T(n)定义为输入规模n的最长运行时间

·平均消耗时间：

-T(n)此时定义为输入规模n的期望时间

3.渐近分析(Asymptotic analysis)，即时间复杂度

·忽略硬件因素

·不关注实际运行了多少时间，而是关注了增长 （T(n), n->∞）

·Θ符号（即O(n)的O）代表忽略低阶项

特例：

如图有时候我们会对O(n^3)的算法感兴趣，因为n0可能是一个非常大的数，大到计算机无法处理，这时O(n^3)的算法就比O(n^2)的更优

4.插入算法和归并算法时间复杂度比较，并推导归并算法时间复杂度：

·插入排序分析

-最坏情况：O(n^2) 算术级数

-插入排序快吗： 规模n足够小时，比较快；但是规模n变大后就很慢了。

·归并算法分析：

-具体算法： 

a.如果n为1，则结束排序  O(1)

b.递归操作，划分元素： 前一半元素 1到Ceil(n/2) 后一半元素 Ceil(n/2) + 1到n     2T(n/2)

c.合并当前两组元素：顺序或逆序比较两张表的元素大小，放入最后的结果表中         O(n)

-推导

T(n) = O(1) if n =1; 2T(n/2) + O(n) if n > 1

递归树:

解读：

a.每一层都是线性复杂度c*n

b.树的高度为lgn (n折半到1，复杂度lgn)

c.所有叶子节点的时间复杂度O(n)

d.总时间复杂度为 T(n) = (c*n)*lgn + O(n)  省略低阶项O(n)即为O(n*lgn)