THU_数据结构_学习笔记（2）

数据结构，邓俊辉老师
平台——学堂在线 https://www.xuetangx.com/course/THU08091000384/5883586?channel=learn_title

计算模型

Turing Machine

Tape, Alphabet, Head, State, Transition Function
当前状态，当前字符；改写后字符，转向L或R，转入新状态；特定状态h，表示停机
图灵机实例：将二进制非负整数加一
必须复位，严格的标准，相互合作的准则，后续更多以接口形式存在

Random Access Machine

每个寄存器，由一个自然数唯一标识
基本功能，直接赋值，间接赋值：R[i] <- R[R[j]], 加减运算，绝对转向，STOP（对应图灵机中的h），条件转向语句

两者都是一般计算工具的简化和抽象

• 可以独立于具体的平台，对算法的效率做出可信的比较与评判
• 算法运行的时间转化为所需执行基本操作的次数来度量
• 时间问题转化为次数的整体求和问题
• 优点，不取决于CPU主频的快慢，更客观

RAM功能实例，向下取整的除法
执行过程记录为一行表，清晰的、客观的、没有歧义的
一个清晰的尺度，对算法进行度量

+问题，“尺子”怎么用？ 有哪些规则？哪些技巧？
定性和定量，达到一个适度这种，更迅速抓住DSA主要方面
引出，大O记号，至关重要

Mathematics is more in need of good notations than of new theorems.
- Alan Turing

+【总体思想】
好读书不求甚解
没有会意，便欣然忘食 - 陶渊明
即，要考虑长远和主流

+【问题】，足够大的规模，成本总体增长趋势？
Asymptotic analysis： 当n大于大于2后，对于规模为n输入，算法
需执行的基本操作次数？T(n)
需占用的存储单元数？S(n)

大O记号，Paul Bachmann， 1894

大O记号

简洁，反映前者的增长趋势
+重要处理手法，常系数可以忽略；低次项可忽略
大O记号给出了 T(n)的upper bound（当n足够大时）

Big Omega 和 theta

其他记号，Big Omega，构成原来复杂度函数的下界
theta，上述悲观和乐观的两者组合
多采用悲观角度，即使用大O记号

线性复杂度

规模为n的问题，恰好就是由n，一阶的来度量
编程习题主要覆盖的范围，从O(n)到O(n^2)，tractable
习惯于估算，详见老师视频

指数复杂度

指数复杂度，intractable
指数算法容易实现，设计出多项式复杂度算法却极其不易

+【问题描述】
给定n个positive int，总和为2m
是否有子集T，满足总和为m

• 美国大选的实例问题 给定一张表，若干个州，各自的选举人票，会不会出现恰好一半对一半选举人票的情况？
• 2-Subset is NP-complete，不存在可在多项式内时间内回答此问题的算法
  
  +【重点】
  关注指数复杂度2^n的增长趋势
  回到前面提到的考虑长远和主流
  +【自己思考】为什么n, sqrt(n), logn时间复杂度在算法中就是可以被接受的，一样，考虑长远趋势

如何运用工具对DSA进行分析

去粗存精式的估算

He calculated just as men breathe, as eagles sustain themselves in the air.—Francois Arago夸奖欧拉

+【两个主要任务】
正确性+复杂度，其中正确性包括不变性和单调性
不仅指平铺直叙的代码段，
还包括分支转向 goto，迭代循环，调用和递归

具体方法

迭代：级数求和的能力
递归：递归跟踪（直观）+ 递推方程（抽象）
猜测+验证