1 算法的基本概念
1.1为什么要学习算法
理由一:算法——程序的灵魂
问题的求解过程:
分析问题->设计算法->编写程序->整理结果
程序设计研究的四个层次:
算法->方法学->语言->工具
理由二:提高分析问题的能力
1.2算法及其重要性
算法(Algorithm):对特定问题求解步骤的一种描述,是指令的有限序列。
算法的五大特性:
⑴ 输入:一个算法有零个或多个输入。
⑵ 输出:一个算法有一个或多个输出。
⑶ 有穷性:一个算法必须总是在执行有穷步之后结束,且每一步都在有穷时间内完成。
⑷ 确定性:算法中的每一条指令必须有确切的含义,对于相同的输入只能得到相同的输出。
⑸ 可行性:算法描述的操作可以通过已经实现的基本操作执行有限次来实现。
1.3算法的描述方法
⑴ 自然语言
优点:容易理解
缺点:冗长、二义性
使用方法:粗线条描述算法思想
注意事项:避免写成自然段
如欧几里得算法:
① 输入m 和n;
② 求m除以n的余数r;
③ 若r等于0,则n为最大公约数,算法结束;
否则执行第④步;
④ 将n的值放在m中,将r的值放在n中;
⑤ 重新执行第②步。
⑵ 流程图
优点:流程直观
缺点:缺少严密性、灵活性
使用方法:描述简单算法
注意事项:注意抽象层次
欧几里得算法:
⑶ 程序设计语言
优点:能由计算机执行
缺点:抽象性差,对语言要求高
使用方法:算法需要验证
注意事项:将算法写成子函数
欧几里得算法:
#include <iostream.h>
int CommonFactor(int m, int n)
{
int r=m % n;
while (r!=0)
{
m=n;
n=r;
r=m % n;
}
return n;
}
void main( )
{
cout<<CommonFactor(63, 54)<<endl;
}
⑷ 伪代码——算法语言
伪代码(Pseudocode):介于自然语言和程序设计语言之间的方法,它采用某一程序设计语言的基本语法,操作指令可以结合自然语言来设计。
优点:表达能力强,抽象性强,容易理解
欧几里得算法:
1. r = m % n;
2. 循环直到 r 等于0
2.1 m = n;
2.2 n = r;
2.3 r = m % n;
3. 输出 n ;
1.4算法设计的一般过程
1.理解问题
2.预测所有可能的输入
3. 在精确解和近似解间做选择
4. 确定适当的数据结构
5.算法设计技术
6.描述算法
7.跟踪算法
8.分析算法的效率
9.根据算法编写代码
1.5重要的问题类型
1. 查找问题
2. 排序问题
3. 图问题
4. 组合问题
5. 几何问题
2 算法分析
算法分析(Algorithm Analysis):对算法所需要的两种计算机资源——时间和空间进行估算
时间复杂性(Time Complexity)
时间复杂性分析的关键:
问题规模:输入量的多少;
基本语句:执行次数与整个算法的执行时间
成正比的语句
空间复杂性(Space Complexity)
2.1 渐进符号
1. 大O符号
定义1.1 若存在两个正的常数c和n0,对于任意n≥n0,都有T(n)≤c×f(n),则称T(n)=O(f(n)),或称算法在O(f(n)中。
2. 大Ω符号
定义1.2 若存在两个正的常数c和n0,对于任意n≥n0,都有T(n)≥c×g(n),则称T(n)=Ω(g(n))
3. Θ符号
定义1.3 若存在三个正的常数c1、c2和n0,对于任意n≥n0都有c1×f(n)≥T(n)≥c2×f(n),则称T(n)=Θ(f(n))
定理1.1 若T(n)=amnm +am-1nm-1 + … +a1n+a0(am>0),则有T(n)=O(nm)且T(n)=Ω(n m),因此,有T(n)=Θ(n m)。
2.2 最好、最坏和平均情况
最好情况:出现概率较大时分析
最差情况:实时系统
平均情况:已知输入数据是如何分布的,通常假设等概率分布
算法——非递归算法、递归算法
2.3 非递归算法的分析
非递归算法分析的一般步骤:
1. 决定用哪个(或哪些)参数作为算法问题规模的度量
2. 找出算法中的基本语句
3. 检查基本语句的执行次数是否只依赖于问题规模
4. 建立基本语句执行次数的求和表达式
5. 用渐进符号表示这个求和表达式
关键:建立一个代表算法运行时间的求和表达式,然后用渐进符号表示这个求和表达式。
2.4 递归算法的分析
关键:根据递归过程建立递推关系式,然后求解这个递推关系式。
1. 猜测技术:对递推关系式估计一个上限,然后(用数学归纳法)证明它正确。
2. 扩展递归技术
3. 通用分治递推式
大小为n的原问题分成若干个大小为n/b的子问题,其中a个子问题需要求解,而cnk是合并各个子问题的解需要的工作量。
2.5 算法的后验分析
算法的后验分析(Posteriori)也称算法的实验分析,它是一种事后计算的方法,通常需要将算法转换为对应的程序并上机运行。
一般步骤:
- 明确实验目的
2. 决定度量算法效率的方法,为实验准备算法的程序实现
- 决定输入样本,生成实验数据
4. 对输入样本运行算法对应的程序,记录得到的实验数据
- 分析得到的实验数据