一、抽象数据类型
数据元素之前的关系:集合、线性、树状、图或网
二、算法
1、一个有限指令集
2、输入
3、产生输出
4、有限步骤后终止
5、指令要:描述的要求为不依赖于任意种计算机语言以及具体的实现手段
如 伪码描述(抽象的)
6、 5大特性:输入、输出、有穷性、确定性、可行性
7、 好算法的评价标准:算法的正确性、可读性、健壮性、时间空间复杂程度(效率与低存储量)
8、 数据结构的随机存取和顺序存取: ①可以通过下标直接访问 ,与存储位置无关,例如数组 ②顺序存取不可通过下标访问,与存储位置有关,例如链表
好坏:
1、时间复杂度
2、空间复杂度
n:复杂度
O(n)和T(n)的区别:①O(n)是表示算法的时间复杂度的一个函数,即算法的时间复杂度 ②T(n)是基本操作重复执行的次数,是问题规模n的某个函数。【若有某个辅助函数f(n),使得T(n)/f(n)的极限值(当n趋近于无穷大时)为不等于零的常数,则称f(n)是T(n)的同数量级函数】
下面程序的复杂度是多少?
void PrintN(int N)
{
if (N)
printN(N-1);
cout<<N;
}
return 0;
}
例一:比较两种时间复杂度
算法一:
double f(int n, double a[], double x)
{
int i;
double p = a[0];
for ( i=1; i<=n; i++ )
p += (a[i] * pow(x, i));
retutrn p;
}
时间复杂度为 :
算法二:
double f ( int n, double a[], double x )
{
int i;
double p = a[n];
for ( i=n; i>0; i--)
p = a[i-1] + x*p;
return p;
}
时间复杂度为:
复杂度的渐进表示算法:
1:最小上界
2:最大下界
3:等价
表1 不同函数,随着n的增长的增长速度
所以设计算法要求——降低复杂度
计算技巧:
1: (1)两个函数相加(2)相互嵌套
2:k阶,取最大
3:for : i*j
4:if else 三选一选最大
例二:最大子列和问题
方法一:
int Max( int A[ ], int N )
{
int sum, MaxSum = 0;
int i, j, k;
for( i = 0; i < N; i++)
{for( j = i, j<N; j++)
{sum = 0;
for( k = i; k < j; k++)
sum += A[k];
if( sum > MaxSum )
MaxSum = sum;
}
}
return MaxSum;
}
复杂度为 O(N³)
算法二:
int MaxSubseqSum2( int A[], int N )
{ int ThisSum, MaxSum = 0;
int i, j;
for( i = 0; i < N; i++ ) { /* i是子列左端位置 */
ThisSum = 0; /* ThisSum是从A[i]到A[j]的子列和 */
for( j = i; j < N; j++ ) { /* j是子列右端位置 */
ThisSum += A[j]; /*对于相同的i,不同的j,只要在j-1次循环的基础上累加1项即可*/
if( ThisSum > MaxSum ) /* 如果刚得到的这个子列和更大 */
MaxSum = ThisSum; /* 则更新结果 */
} /* j循环结束 */
} /* i循环结束 */
return MaxSum;
}
复杂度为 O(N²)
****注意!!****一旦发现复杂度为 O(N²),就应该想办法简化为为 n log(n)
算法三:分而治之,截一半,递归找出,最后总结结合起来
一分为二而 递归左半边 ,求最大系类和,右边找到最大即结束
算法复杂度求法: 左+右+跨越边界的子列和
即实现了使 复杂度从 O(N²)变为 O(n log(n))
算法四:
在线处理——遇到了会使子列和变为负的数值:舍弃,重新开始
在线:没输入一个数据都进行即时处理,在任何一个地方终止输入,算法都可以给出一个当前的解。