算法导论：时间复杂度+渐进符号

2.1计算复杂性

 

 

  

2.2渐进分析

属性：

常见函数阶数由低到高排列：

---

我的笔记： 

 

他人笔记

1）O（Big-Oh，大O表示法）——表示上限，渐进上界

构造形如f(n) = c * g(n)形式的不等式，使得在n ≥ n0的条件下，满足0≤f(n)≤c*g(n)。（n0是自己取的一个数，要求n0 ≥0）

如图，待分析式f（n）=2n+3
此时，可以构造式子2n+3n，可以保证当n≥1时，f（n）= 2n+3 ≤ 2n+3n = 5n成立
此时，c*g（n）= 5n（c为系数5，g（n）=n）
因为g（n）= n，所以f（n）=O(n)

ps：大O表示法可以用比最接近的函数阶数更大的函数来表示。

向上面这种f（n）= 2n+3 ≤ 2n+3n = 5n的情况：用O(n)是最贴切的情况，但是也可以用O(n^2）、O(nlogn)等阶数更高的形式进行表达，只是阶数过大的时候也没什么意义了。

2）Omega（Ω）——表示下限，渐进下界

构造形如f(n) = c * g(n)形式的不等式，使得在n ≥ n0的条件下，满足f(n)≥c*g(n)≥0。（n0是自己取的一个数）

如图，待分析式f（n）=2n+3
此时，可以构造式子1 * logn，可以保证当n≥1时，f（n）= 2n+3 ≥ 1 * logn成立
此时，c*g（n）= 1 * logn（c为系数1，g（n）=logn）
因为g（n）= logn，所以f（n）=O(logn)

ps：Omega（Ω）表示法可以用比最接近的函数阶数更大的函数来表示。

同理，向上面这种f（n）= 2n+3 ≥ 1 * logn的情况：用O(logn)是最贴切的情况，但是也可以用O（1）这样阶数更低的形式进行表达，只是阶数过低的时候也没什么意义了。

3）Theta（Θ）——平均界限，渐近紧约束 tight bound

相比大O和Ω，平均界限Θ的选取往往比较严格，只会有一种。 

如图，待分析式f（n）=2n+3
此时，可以构造式子c1 * g(n) = 1 * n和式子c2 * g(n) = 5 * n，可以保证当n≥1时，n ≤ f（n）= 2n+3 ≤ 5n成立。

此时，不等式两边的g（n）均为n，此时g(n) = n就是平均界限θ。

ps：
平均界限要求不等式两边的g（n）必须相同，如上面的例子，不能左边的g（n）是n，右边的g（n）取n2。

ps：
大O（小于等于）并不是只能表示最坏情况，大Ω(大于等于)不是只能表示最好情况，其实用任何符号都可以表示最好情况/最坏情况。
请不要弄混淆。

---

1、线性时间O(n)

线性时间：运行时间最多是一个常数乘以输入的大小。

●计算n个数a1、a2、…an的最大值

 ●合并。将两个已排序的列表A = a1,a2，…，an with B = b1,b2，…，bn合并一个有序列表。

合并两个大小为n的列表需要O(n)时间。

Pf.每次比较后，输出列表的长度增加1

2、O(n logn)

O(n logn)时间，出现在分治算法中。也被称为线性时间。

●排序。归并排序和堆排序是执行O(n logn)次比较的排序算法。

●求最大的时间间隔。给定文件副本到达服务器的n个时间戳x1，…，xn，当没有文件副本到达服务器时，最大的时间间隔是多少?

解决方案O(n log n)。对n个时间戳进行排序，按顺序扫描已排序的列表，确定连续时间戳之间的最大间隔。

3、O()

二次时间。枚举所有元素对。

●找最近的一对点。给定平面上n个点的列表(x1, y1)，…，(xn, yn)，找出最接近的一对。

O()解决方案。试一遍所有的点对。

O() seems inevitable, but this is just an illusion.  →see chapter 5

4、O()

立方。枚举所有元素的三元组。

●设置剥离。给定n个集合S1，。，Sn每一个集合都是1,2，。，n的子集，是否存在不相交的一对集合?

解决方案O()。依次确定每一对集合它们是否不相交。