数据结构笔记

$O$记号

---

1. $O(n)$:上界，用的最多
2. $\Omega (n)$:下界
3. $\theta (n)$:确界，上界和下界的组合。

高效解

$O(1)$

1. 不含转向（循环、调用、递归等）必顺序执行，即是$O(1)$.

$O(lo{g}_c(n))$

1.常数底无所谓
$$\forall a,b>0,lo{g}_{a}n=lo{g}_{a}b\cdot lo{g}_{b}n=\Theta (lo{g}_{b}n)$$
2. 常数次幂无所谓
$$\forall c>0,log{n}^c=clogn=\Theta (logn)$$
3. 对数多项式
4. 复杂度无限接近常数
$$\forall c>0,logn=O(n^c)$$

有效解

$O(n^c)$

1.多项式
一般地：$a_k{n}^k+a_{k-1}{n}^{k-1}+\cdot \cdot \cdot +a_{1}n+a_n=O(n_k),a_k>0$
2.线性
所有$O(n)$类函数
3.幂
4. 这类算法的效率通常认为令人满意的。

难解 $O(a^n)$

1. $\forall c>1,n^c=O(2^n)$。
2. 这类算法计算成本增长极快，通常认为是不可忍受的。
3. 从$O(n^c)到O(2^n),$是从有效算法到无效算法的分水岭。
4. 很多问题的$O(2^n)$算法往往显而易见，然而，设计出$O(n^c)$算法却极其不易。甚至，有时注定是徒然无功。
   5.定理：2-Subset is NP-complete.

算法分析

复杂度分析的主要方法：

1. 迭代：极数求和
2. 递归：递归跟踪+递推方程
3. 猜测+验证

级数

1. 算数级数：与末尾平方同阶
   $$T(n)=1+2+\cdot \cdot \cdot +n=n(n+1)/2=O(n^2)$$
2. 幂次级数：比幂次高出一阶
   $$\sum _{k=0}^n{k}^d\approx {\int }_0^n{x}^{d+1}dx=\frac{1}{d+1}{x}^{d+1}{|}_0^n=\frac{1}{d+1}{n}^{d+1}=O(n^{d+1})$$
3. 几何级数(a>1):于末项同阶
   $$T_a(n)=a^0+a^1+\cdot \cdot \cdot +a^n=(a^{n+1}-1)/(a-1)=O(a^n)$$
4. 收敛级数

• $O(1)$
• 未收敛，但有界：
  $$h(n)=1+1/2+1/3+\cdot \cdot \cdot +1/n=\Theta (logn)$$
  $$log1+log2+log3+\cdot \cdot \cdot +logn=log(n!)=\Theta (nlogn)$$

循环

1. for(int i = 0; i < n; i++)
   	for (int j = 0; j < n; j++)
   		O1operation(i, j); 
   

   算术级数：$$\sum _{i=0}^{n-1}n=n+n+...+n=n\ast n=O(n^2)$$

2. for(int i = 0; i < n; i++)
   	for (int j = 0; j < i; j++)
   		O1operation(i, j); 
   

   算术级数：$$\sum _{i=0}^{n-1}i=0+1+...+n-1=\frac{n(n-1)}{2}=O(n^2)$$

3. for(int i = 0; i < n; i++)
   	for (int j = 0; j < i; j+=2013)
   		O1operation(i, j); 
   

   算术级数：

正确性的证明

1. 不变性
2. 单调性
3. 正确性

封底估算

1. $1天=24hr\times 60min\times 60sec\approx 25\times 4000=10^{5}sec$
2. $1生\approx 1世纪==100yr\times 365=3\times 10^{4}day=3\times 10^{9}sec$
3. $$\Phi =\frac{1+\sqrt{5}}{2}=1.61803...,{\Phi }^{36}=2^{25}$$

迭代与递归

递归跟踪：直观形象，仅适用于简明的递归模式；
递推方程：间接抽象，更适用于复杂的递归模式。
减而治之
分而治之
4. 递归子任务中常常重复计算，为了解决这个问题：有两个方案：

• 记忆（将已计算过实列的结果制表备查）
• 动态规划：颠倒计算方向：自顶向下递归，为自底而上迭代。

动态规划

1. fib(n) = fib(n-1)+fib(n-2) . 递归：$O({\Phi }^n)$

   f = 0; g= 1;
   while(0 < n--){
   	g = g + f;
   	 f = g - f;
   }
   return g;
   

   迭代：$O(n)$
2. 最长公共子序列(LCS)。
   递归：
   对于序列A[0, n], B[0, m]，LCS(A, B)无非三种情况
   • 若n=-1,或m=-1.则取空序列("")
   • 若A[n] = B[m].则取LCS(A[0,n), B(0,m)) + A[n] //减而治之
   • $A[n]!=B[m],$则在LCS(A[0, n],B[0, m))与LCS(A[0, n),B(0, m]）中取更长者。

动态规划：
从0开始。

向量

填充因子= 实际所用容量/最大容量