（算法是你的谎言）一、基本与解递归树

最新推荐文章于 2024-08-03 21:14:32 发布

水日之秋

最新推荐文章于 2024-08-03 21:14:32 发布

阅读量160

点赞数 1

分类专栏：算法是你的谎言文章标签：算法数据结构

本文链接：https://blog.csdn.net/m0_71432177/article/details/126767616

版权

3 篇文章 0 订阅

订阅专栏

秋秋在数据结构后，当然要紧接着开算法专栏了，但在这个系列的最初，我有以下几个问题：
何为算法？
算法分析是理论研究，是关于计算机程序性能和资源利用的研究。
在程序设计方面，什么比性能更重要？
特性，安全性，稳定性，用户友好性等等。

这一专栏的内容，我决定跟着麻省理工公开课的节奏走，这样大家也能找到视频源去跟着学习，或者在学习后把这个当作一个笔记进行复习。
好的，接下来我们进入算法的第一节

1.基础认知

（1）运行时间：

（2）算法分析：

（3）算法的大局观- 渐进分析

（1）基本符号

O函数

f(N)= O(g(N)): 对于充分大的N而言，表示存在适当的常数，使得f(N)小于或等于cg(N).
2 * N^2 = O(N^3)，等号是可以不对等的。
O的精妙用法：
当作一个宏，例如f(N)=n^3+O(N2),这样可以描述误差，f(N)=n^3+h(N).
当然还有：n^2+O(N)=O(N2)，描述为N^2+f(N)=h(N).

Ω函数

（2）严格符号

有三种方法解递归式：代换法、递归树法、主方法

（1）代换法的步骤：

插入一点，你不能用O和Ω做递归的归纳，因为基本符号里面的常数是变化的，动态的，不能对常数进行n次的加倍。

例如：T(N)=4T(N/2)+N
假设：
T(N)=O(N^3)
验证：
T(N) <= ck^3
T(N) = 4T(N/2)+N <= 4c(N/2)^3+N = cN^3/2 + N = O(N^3).
当然这指表示上式是对的，而不是最优解。
当然你也可以自己验证O(N^2)，当然你会发现用上述的方法只能证明出来这不成立。
但是让T(N)=4T(c1(N/2)-c2(N/2))+N，这样就证明出来了。
那么T(1)<=c1-c2，对于c2而言，c1是足够大的。

（2）递归树法的步骤

（3）主方法（但是其限制较多，只能应用几种特殊的递归方法）：

渐进趋正：有合适的n0,使得当n>n0时，f(n)>0

比较f(N)与N^logb(a),其中b是底
N^logb(a)是递归树叶节点的数量
case1：f(N)=O(N^(logb(a)-ε)）,ε>0. 即N^(logb(a))的次方大于f(N)的次方
结果：T(N)=Θ(N^logb(a))
case2：f(N)=Θ(N^(logb(a) * lg(N)^k)）,k>=0. 即N^(logb(a))与f(N)是同一次方
结果：T(N)=Θ(N^logb(a) * lg(N)^(k+1))
case3：f(N)=Ω(N^(logb(a)-ε)) ,ε>0. && af(N/b)<=(1-ε’)f(N) ,ε’>0,f(N)要大于下一层之和，那么下一层之多等于(1-ε)f(N).即N^(logb(a))的次方小于f(N)的次方
结果：T(N)=Θ(f(N))

关注