第三章 函数的增长
这一章主要内容讲得是算法时间增长率,其中需要记住三种表现形式:
具体含义,上图已经表现得很清楚。
(a)表示:如果存在正常量c1和c2,使得对于足够大的n,函数f(n)能“夹入”c1g(n)与c2g(n)之间,则f(n)属于集合θ(g(n))。因为θ(g(n))是一个集合,所以可以记为“f(n)∈θ(g(n))”,表示f(n)是θ(g(n))的成员,通常记为:f(n)=θ(g(n))。我们称g(n)是f(n)的一个渐进紧确界。
(b)和(c)代表,存在正常量c和n0,使得在n0及其右边,f(n)的值总小于或等于cg(n)((c)中是总大于或等于cg(n)),那么记为f(n)=大O(g(n))((c)中记为f(n)=大Ω(g(n)))。分别表示g(n)为f(n)的渐进上界和渐进下界。
注意一点,上面三个图中,关系仅针对于某一个点c>n0时成立。此外,还有小o(g(n))和小ω(g(n)),分别是指:
对于任意正常量c>0,存在常量n0>0,使得对所有n>=n0,有0<=f(n)<cg(n)。
小ω(g(n))的含义,以上类似。
第四章 分治策略
由股票买入卖出事件析出数组的最大子数组之和算法需求,而求数组最大子数组之和算法如下:
//求解最大子数组之和 public static int[] findMaxiMumSubarray(int[] a, int low, int high){ if (high == low){ int[] res = {low, high, a[low]}; return res; }else{ int mid = (low + high) / 2; int[] res1 = findMaxiMumSubarray(a, low, mid); int[] res2 = findMaxiMumSubarray(a, mid + 1, high); int[] res3 = findMaxCrossingSubarray(a, low, mid, high); if (res1[2] >= res2[2] && res1[2] >= res3[2]){ return res1; }else if(res2[2] >= res1[2] && res2[2] >= res3[2]){ return res2; }else{ return res3; } } } //求解最大子数组之和中的第三种情况:必分为三种情况:最大子数组在中点左侧,在中点右侧,在中点两边 public static int[] findMaxCrossingSubarray(int[] a, int low, int mid, int high){ int left_max = a[mid]; int left_index = mid; int left_sum = 0; for (int i = mid; i >= low; i--){ left_sum = left_sum + a[i]; if (left_sum > left_max){ left_max = left_sum; left_index = i; } } int right_max = a[mid + 1]; int right_index = mid + 1; int right_sum = 0; for (int j = mid + 1; j <= high; j++){ right_sum = right_sum + a[j]; if (right_sum > right_max){ right_max = right_sum; right_index = j; } } int[] res = {left_index, right_index, left_max + right_max}; return res; }
上述采用分治策略求解最大子数组之和的算法时间复杂度为:O(nlog(n))。相比于不采用分治策略算法的时间复杂度O(n.^2)速度提升不少。下面是不采用分治策略算法:
public int[] findMaxMumSubarray(int[] a, int low, int high){ if(a.length == 0 || a == null){ int[] res = {0, 0, 0}; return res; } if (low == high){ int[] res = {low, low, a[low]}; return res; } int left = low; int right = high; int currentSum = 0; int max = 0; for(int i = low; i <= high; i++){ if(currentSum < 0){ currentSum = a[i]; left = i; }else{ currentSum += a[i]; } if(currentSum > max){ max = currentSum; right = i; } } int[] res = {left, right, max}; return res; }