算法导论之算法分析

算法分析

1、前提：计算机模型
使用RAM模型，即指令一条接一条执行，并没有并发操作。并且每条指令执行时间为常量$C_j$。

2、实例：插入排序算法的分析。伪代码如下:

时间为每条指令运行时间总和。对应原始之积求和：
$$T(n)=C_{1}n+C_2(n-1)+C_4(n-1)+C_5\sum _{j=2}^n{t}_j+C_6\sum _{j=2}^n(t_j-1)+C_7\sum _{j=2}^n(t_j-1)+C_8(n-1)$$
3、最好情况和最坏情况分析
最好情况：数组已经排好序，最短运行时间为
$$T(n)=C_{1}n+C_2(n-1)+C_4(n-1)+C_5(n-1)+C_8(n-1)$$
$$=(C_1+C_2+C_4+C_5+C_8)n-(C_2+C_4+C_5+C_8)$$
则可得：T(n)=an+b
因此最佳情况是关于n的线性函数。
最坏情况：数组反向排序,最长运行时间
$$T(n)=C_1+C_2(n-1)+C_4(n-1)+C_5(\frac{n(n-1)}{2}-1)+C_6(\frac{n(n-1)}{2})+C_7(\frac{n(n-1)}{2})+C_8(n-1)$$
$$T(n)=(\frac{C_5}{2}+\frac{C_6}{2}+\frac{C_7}{2})n^2+(C_1+C_2+C_4+\frac{C_5}{2}-\frac{C_6}{2}-\frac{C_7}{2})n-(C_2+C_4+C_5+C_8)$$
则可得：$T(n)=a{n}^2+bn+c$
因此最长时间是关于n的2次函数。

4、增长量级：
最坏情况表示为：$T(n)=a{n}^2+bn+c$
我们关心的是运行时间的增长率或增长量级，所以我们之考虑公式中的总要项（例如：$a{n}^2$）,因为当n很大时，低阶项相对来说不太总要。我们也忽略重要项的常数系，因为对于大的输入，在确定计算效率时常量因子不如增长率重要。所有只剩下重要项中的$n^2$,即最坏情况运行时间为$\Theta (n^2)$。