算法学习四:算法性能分析理论基础——函数增长与渐进分析

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/mountzf/article/details/52495779

算法学习四:算法性能分析理论基础——函数增长与渐进分析

在算法性能分析过程中,特别是在算法运行效率分析中,我们经常使用渐渐分析法,它使我们在分析算法性能时不必纠结于不同硬件平台的差异性,着重考虑算法的运行趋势。对于渐进分析的理论基础,了解过后才能真正明白这样做的可行性。首先需要掌握函数增长的渐进分析。

渐进的记号

Θ记号

之前在排序算法中知道插入排序的最坏情况下运行时间是Θ(n2),现在我们可以解释这种记号的含义。
设有一个函数f(n),用 Θ(g(n)) 表示如下的集合:
Θ(g(n))={f(n) :存在正常数c1c2n0,使对于所有的nn0,有0<=c1g(n)f(n)c2g(n)},则f(n) 属于集合Θ(g(n)),记作:

f(n)Θ(g(n))

在前面引入了Θ的概念,其效果相当于舍弃了低阶项和忽略了最高项的系数,下面证明
12n23n=Θ(n2)。首先要确定常系数c1c2n0,使对于所有的nn0
c1n212n23nc2n2

化简得
c1123nc2

右边的不等式在c212 的时候恒成立,同样,左边的不等式令 n7,则对于 c1114 成立。即证明了 12n23n=Θ(n2)

O记号

Θ记号渐进地给出了一个函数的上界和下界,而当一个函数只有渐进上界时,需要使用O记号。对于一个函数g(n) ,用 O(g(n)) 表示一个函数集合:
O(g(n))={f(n) :存在正常数c1n0,使对所有的nn0,有0f(n)c1g(n)}。
注意f(n)=Θ(g(n)) 隐含着 f(n)=O(g(n)),因为Θ记号强于O记号,按集合论中的写法,有Θ(g(n))O(g(n))

Ω记号

Ω记号渐进地给出了一个函数的渐进下界,对于一个函数g(n) ,用 O(g(n)) 表示一个函数集合:
Ω(g(n))={f(n) :存在正常数c1n0,使对所有的nn0,有f(n)c1g(n)0}。
注意f(n)=Θ(g(n)) 隐含着 f(n)=Ω(g(n)),因为Θ记号强于Ω记号,按集合论中的写法,有Θ(g(n))Ω(g(n))

祝枫
2016年9月10日于哈尔滨

展开阅读全文

没有更多推荐了,返回首页