算法导论------渐近记号Θ、Ο、o、Ω、ω详解

版权声明:本文为博主原创文章,遵循 CC 4.0 by-sa 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://blog.csdn.net/so_geili/article/details/53353593

##目录:


1.渐近紧确界记号: $Θ$(big-theta)

  假设算法A的运行时间表达式T1(n)T_1(n)为:T1(n)=30n4+20n3+40n2+46n+100T_1(n)=30n^4+20n^3+40n^2+46n+100
  假设算法B的运行时间表达式T2(n)T_2(n)为:T2(n)=1000n3+50n2+78n+10T_2(n)=1000n^3+50n^2+78n+10
当问题规模足够大的时候,例如n=100万,算法的运行时间将主要取决于时间表达式的第一项,其它项的执行时间只有它的几十万分之一,可以忽略不计。第一项的常数系数,随着n的增大,对算法的执行时间也变得不重要了。
  于是,算法A的运行时间可以记为:T1(n)n4T_1(n)≈n^4,记为T1(n)=Θ(n4)T_1(n)=Θ(n^4);算法B的运行时间可以记为:T2(n)n4T_2(n)≈n^4,记为T2(n)=Θ(n4)T_2(n)=Θ(n^4)

ΘΘ的数学含义
方式一:设f(n)f(n)g(n)g(n)是定义域为自然数集合的函数。如果limnf(n)g(n)\displaystyle\lim_{n\rightarrow ∞}\dfrac{f(n)}{g(n)}存在,并且等于某个常数c(c>0)c(c>0),那么f(n)=Θ(g(n))f(n)=Θ(g(n))。通俗理解为f(n)g(n)f(n)和g(n)同阶,ΘΘ用来表示算法的精确阶。

方式二:Θ(g(n))Θ(g(n))={$ f(n)::存在正常量c_1、c_2和n_0使,使得对所有n≥n_0$,有0c1g(n)f(n)c2g(n)0≤c_1g(n)≤f(n)≤c_2g(n)}若存在正常量c1c2c_1、c_2,使得对于足够大的n,函数f(n)f(n)能“夹入”c1g(n)c2g(n)c_1g(n)与c_2g(n)之间,则f(n)f(n)属于集合Θ(g(n))Θ(g(n)),记作f(n)Θ(g(n))f(n)∈Θ(g(n))。作为代替,我们通常记“f(n)=Θ(g(n))f(n)=Θ(g(n))”。

  由下图中左侧f(n)=Θ(g(n))f(n)=Θ(g(n))图可以看出,对所有n>n0n>n_0时,函数f(n)f(n)乘一个常量因子可等于g(n)g(n),我们称g(n)g(n)f(n)f(n)的一个 渐近紧确界ΘΘ记号在五个记号中,要求是最严格的,因为g(n)g(n)即可以表示上界也可以表示下界。

在这里插入图片描述

  需要注意的是:Θ(g(n))Θ(g(n))的定义要求每个成员f(n)Θ(g(n))f(n)∈Θ(g(n)) 渐近非负,即当n足够大时,f(n)f(n)非负。 渐近正函数 就是对所有足够大的n均为正的函数。

2.渐近上界记号:$O$(big-oh)

定义:设f(n)g(n)f(n)和g(n)是定义域为自然数集NN上的函数。若存在正数cn0c和n_0,使得对一切nn0n≥n_0都有0f(n)cg(n)0≤f(n)≤cg(n)成立,则称f(n)f(n)的渐进的上界是g(n)g(n),记作f(n)=O(g(n))f(n)=O(g(n))。通俗的说n满足一定条件范围内,函数f(n)f(n)的阶不高于函数g(n)g(n)

  根据符号OO的定义,用它评估算法的复杂度得到的只是问题规模充分大时的一个上界。这个上界的阶越低,评估越精确,越有价值。

例如:设f(n)=n2+nf(n)=n^2+n,则
f(n)=O(n2)f(n)=O(n^2),取c=2c=2,n0=1n_0=1即可
f(n)=O(n3)f(n)=O(n^3),取c=1c=1,n0=2n_0=2即可。显然,O(n2)O(n^2)作为上界更为精确。

几种常见的复杂度关系

O(1)<O(log(n))<O(n)<O(nlogn)<O(1)<O(\log(n))<O(n)<O(n\log n)<O(n2)<O(2n)<O(n!)<O(nn)O(n^2)<O(2^n)<O(n!)<O(n^n)
需要注意的是:对数函数在没有底数时,默认底数为2;如lgn=logn=log2n\lg n=\log n=\log_2 n因为计算机中很多程序是用二分法实现的。

符号用法测试:素数测试

int isprime(int n) {
    for(int i=2; i<=(int)sqrt(n); i++) {
        if(n%i==0) { 
            return0;
        }
    }
    return1;
}

在上面这个素数测试的例子中,基本运算是整除;时间复杂度T(n)=O(n12)T(n)=O(n^{\frac{1}{2}})是正确的。当被测的数n为偶数时,基本运算一次也没执行,所以T(n)=Θ(n12)T(n)=Θ(n^{\frac{1}{2}})是错误的,因为没有办法证明T(n)T(n)的下界是Ω(n12)Ω(n^{\frac{1}{2}})


3.渐近下界记号:$Ω$(big-omege)

定义:设f(n)g(n)f(n)和g(n)是定义域为自然数集NN上的函数。若存在正数cn0c和n_0,使得对一切nn0n≥n_0都有0cg(n)f(n)0≤cg(n)≤f(n)成立,则称f(n)f(n)的渐进的下界是g(n)g(n),记作f(n)=Ω(g(n))f(n)=Ω(g(n))。通俗的说n满足一定条件范围内,函数f(n)f(n)的阶不低于函数g(n)g(n)

  根据符号ΩΩ的定义,用它评估算法的复杂度得到的只是问题规模充分大时的一个下界。这个下界的阶越高,评估越精确,越有价值。

例如:设f(n)=n2+nf(n)=n^2+n,则
f(n)=Ω(n2)f(n)=Ω(n^2),取c=1c=1,n0=1n_0=1即可
f(n)=Ω(100n)f(n)=Ω(100n),取c=1/100c=1/100 ,n0=1n_0=1即可

显然,Ω(n2)Ω(n^2)作为下界更为精确。

4.非渐近紧确上界:o(小-oh)

>定义1:设$f(n)和g(n)$是定义域为自然数集$N$上的函数。若对于任意正数$c,都存在n_0$,使得对一切$n≥n_0$都有$0≤f(n)

OO记号提供的渐近上界可能是渐近紧确的,也可能是非紧确的。(如:2n2=O(n2)2n^2=O(n^2)是渐近紧确的,而2n=O(n2)2n=O(n^2)是非紧确上界。)
例子:f(n)=n2+nf(n)=n^2+n,则f(n)=o(n3)f(n)=o(n^3)


5.非渐近紧确下界:ω(小-omege)

>定义1:设$f(n)和g(n)$是定义域为自然数集$N$上的函数。若对于任意正数$c,都存在n_0$,使得对一切$n≥n_0$都有$0≤cg(n)

ωω记号与ΩΩ的关系类似于oOo和O记号的关系。我们用ωω表示一个非渐近紧确的下界。
例子:f(n)=n2+nf(n)=n^2+n,则f(n)=ω(n)f(n)=ω(n)是正确的。f(n)=ω(n2)f(n)=ω(n^2)则是错误的,f(n)=Ω(n2)f(n)=Ω(n^2)是正确的。


6.渐近记号Θ、Ο、o、Ω、ω关系

记号 含义 通俗理解
(1)Θ(西塔) 紧确界。 相当于"="
(2)O (大欧) 上界。 相当于"<="
(3)o(小欧) 非紧的上界。 相当于"<"
(4)Ω(大欧米伽) 下界。 相当于">="
(5)ω(小欧米伽) 非紧的下界。 相当于">"

在这里插入图片描述


7.参考资料

1.算法导论  殷建平 译   机械工业出版社 2.算法设计与分析 屈婉玲  著 3.算法设计与分析 王秋芬  吕聪颖著
展开阅读全文

没有更多推荐了,返回首页