（数据结构python版）第3章算法分析

第三章算法分析

数据结构：组织和访问数据的一种系统化方式

算法：在有限的时间内一步步执行某些任务的过程

实验研究

实验分析的挑战

使用算法分析的3个局限性：

• 很难直接比较两个算法的实现运行时间，除非实验在相同的硬件和软件环境中执行
• 实验只有在有限的一组测试下才能完成，因此他们忽略了不包括在实验中的输入的运行时间
• 为了在实验上执行算法来研究它的执行时间，算法必须完全实现

进一步的实验分析

开发一种分析算法效率的方法：

• 在软硬件环境独立的情况下，在某种程度上允许我们评价任意两个算法的相对效率
• 通过研究不需要实现的高层次算法描述来执行算法
• 考虑所有可能的输入

计算原子操作

定义了一系列原子操作：

• 给对象指定一个标识符
• 确定与这个标识符相关联的对象
• 执行算术运算（如：两个数相加）
• 比较两个数的大小
• 通过索引访问Python列表的一个元素
• 调用函数
• 从函数返回

随着输入函数的变化进行测量操作

把每一个算法和函数f(n)联系起来，其中把执行的原子操作的数量描述为输入大小n的函数f(n)

最坏情况输入的研究

把算法的运行时间表示为所有可能的相同大小输入的平均值的函数

最坏情况分析比平均情况分析容易很多

最坏情况的设计会使得算法更加健壮，（一个飞毛腿总是在斜坡上练习跑步）

本书使用的7种函数

常数函数

最简单的函数

$f(n)=c$（c为常数）

对数函数

$x=lo{g}_{b}n$ 当且仅当 $b^x=n$

对数规则：（给定实数a>0,b>1,c>0,d>1）

1. $lo{g}_b(ac)=lo{g}_{b}a+lo{g}_{b}c$
2. $lo{g}_b(a/c)=lo{g}_{b}a-lo{g}_{b}c$
3. $lo{g}_b(a^c)=clo{g}_{b}a$
4. $lo{g}_{b}a=lo{g}_{d}a/log$