3、复杂度与竞赛

 

一、课程目标

1. 数据范围与算法复杂度

二、目标详解

1、数据范围与算法复杂度

在noi竞赛环境，一般规定每个试题要在1秒内运行通过，而测评机每秒大概运行10^7-10^8次指令左右，因此对于给定的数据范围，与算法复杂度的对比关系大致如下：

数据范围	算法复杂度
>10^7	O(logn)
10^7	O(n)
10^5 ~5*10^5	O(nlogn)
1000 ~ 5000	O(n^2)
200 ~ 500	O(n^3)
20 ~ 24	O(2^n)
12	O(n!)

用上表做参考，可以用来：

• 在看到数据范围的时候，就知道大概需要选择什么算法了。
• 选择一个算法实现后，大概知道能通过多少测试点。

例如：一个排序的试题，30%数据<1000，50%数据<3000，100%数据<300000，则：

• 如果想AC(100分)，需要用O(nlogn)的算法，例如快速排序。
• 如果只会冒泡排序（O(n^2)），能拿到50分。

2、竞赛策略

2.1 解题

仔细阅读试题，通过小数据模拟理解试题，大致明白试题的输入->输出之间的逻辑。

要求-在模拟、理解试题之后：

• 能提炼出试题对应的问题（去掉试题里的业务描述）
• 能自己生成更多的输入和输出样例。

2.2 朴素算法

实现一种朴素算法，通过所有的样例，先不考虑性能。

要求：通过所有的测试样例，包括自己设计的样例，确保结果无误。

2.3 优化和复杂度理解

根据数据的范围，分析出复杂度分级，并对朴素算法进行优化，大致划分出不同优化方案对应的复杂度分级，以及得分范围。

要求：

• 根据自己的能力积累，尽可能设计出更大得分范围的优化算法。
• 用所有测试样例对优化算法进行测试，确保结果无误。

2.4 分支和对拍

对拍是指用脚本来调用朴素算法和优化算法两个程序，对所有输入数据做运算，比较其输出是否一致。

对拍被用来确保优化程序不会出现结果错误的情况，因为优化程序往往用到比较复杂的思路，难免编码出错。

不会对拍的情况，也可以通过对不同的数据范围实现分支控制，比如小数据调用朴素算法，大数据调用对应的优化算法，各施其责。

2.5 测试数据

为确保代码正确及性能测试通过，需要编写程序生成符合数据范围的各级测试数据，以便对优化算法进行性能测试，以及对拍所用。