C++ 数据结构（一）绪论（2）计算模型

来源：我的博客站 OceanicKang |《C++ 数据结构（一）绪论（2）计算模型》

上一篇：《C++ 数据结构（一）绪论（1）计算》

算法分析的两个主要方面

• 正确性：算法功能与问题要求一致
  • 数学证明？
• 成本：运行时间 + 存储空间
  • 如何度量？如何比较？

考察

T_A ( P ) = 算法 A 求解问题实例 P 的计算成本

意义不大，可能出现的问题实例太多

如何归纳概括？

观察

问题实例的规模，往往是决定计算成本的主要因素

特定算法 + 不同实例

令 T_A ( n ) = 算法 A 求解某一问题规模为 n 的实例，所需的计算成本

讨论特定算法 A（及其对应的问题）时，简记作 T(n)

然而，这一定义仍有问题…

观察

同一问题等规模的不同实例，计算成本不尽相同，甚至有实质差别

例如：在平面上的 n 个点中，找到所成三角形面积最小的三个点

以蛮力算法为例，最坏情况下需枚举所有 $ C_n^3 $ 种组合，但运气好的话一次即可

既然如此，又该如何定义 T(n) 呢？

稳妥起见，取 T(n) = max{T(P) | |P| = n}

亦即，在同规模同为 n 的所有实例中，只关注最坏（成本最高）者

特定问题 + 不同算法

同一问题通常有多种算法，如何评判其优劣？

实验统计

实验统计是最直接的方法，但不足以准确反映算法的真正效率

• 不同的算法，可能更适应于不同 规模 的输入
• 不同的算法，可能更适应于不同 类型 的输入
• 同一算法，可能由不同 程序员 、用不同 程序语言 、经不同 编译器 实现
• 同一算法，可能实现并运行于不同的 体系结构 、 操作系统 …

为给出 客观 的评判，需要抽象出一个 理想 的平台或模型

• 不再依赖于上述种种具体的因素，从而直接而准确地描述、测量并评价算法

图灵机™模型

• Tape 依次均匀地划分为单元格，各注有某一字符，默认为 ‘#’
• Alphabet 字符的种类有限
• Head 总是对准某一单元格，并可读取和改写其中的字符。每经过一个节拍，可转向左侧或右侧的邻格
• State 总是处于有限种状态中的某一种。每经过一个节拍，可（按照规则）转向另一种状态
• Transition Function:(q, c; d, L/R, p) 若当前状态为 q 且当前字符为 c，则将当前字符 改写 为 d；转向 左侧/右侧的邻格；转入 p 状态。一旦转入特定的状态 ‘h’，则 停机

例子

功能：将二进制非负整数加一

全 ‘1’ 的后缀翻转为全 ‘0’
原最低位的 ‘0’ 或 ‘#’ 翻转为 ‘1’

(<, 1, 0, L, <) // 左行, 1 -> 0
(<, 0, 1, R, >) // 掉头, 0 -> 1
(<, #, 1, R, >) // ?
(>, 0, 0, R, >) // 右行
(>, #, #, L, h) // 复位

Random Access Machine (RAM) 模型

寄存器顺序编号，总数没有限制

R[0], R1, R2, R3, …

每一基本操作仅需常熟时间

R[i] <- c
R[i] <- R[j]
IF R[i] = 0 GOTO 1

与 TM 模型一样，RAM 模型也是一般计算工具的简化与抽象，使我们可以独立于具体的平台，对算法的效率做出可信的比较与评判

在这些模型中，算法的运行时间 -> 算法需要执行的基本操作次数

T(n) = 算法为求解规模为 n 的问题，所需执行的基本操作次数

例子

功能：向下取整的除法，0 <= c, 0 < d

反复地从 R[0] = 1 + c 中减去 R1 = d
统计在下溢之前，所做减法地次数 x

0 R[3] <- 1           // increment
1 R[0] <- R[0] + R[3] // c++
2 R[0] <- R[0] - R[1] // c -= d
3 R[2] <- R[2] + R[3] // x++
IF R[0] > 0 GOTO 2    // if c > 0 goto 2
R[0] <- R[2] - R[3]   // else x-- and
STOP                  // return R[0] = x = (c/d) 向下取整

下一篇：《C++ 数据结构（一）绪论（3）复杂度》