一.实例
到100000时递归不再运行程序,原因是内存超限。
秦九韶法优化
下面开始测时间。
发现时间太短测不出来,重复后除以次数。
讨论1.3 再试一个多项式
老师参与
给定另一个100阶多项式
,用不同方法计算并且比较一下运行时间?
#include <stdio.h>
#include <time.h>
#include <math.h>
double f1(int n,double a[],double x);
double f2(int n,double a[],double x);
clockid_t strat,stop;
double duration;
#define MAXN 101
int main(){
double a[MAXN];
for(int i=1;i<MAXN;i++){
if(i==0){
a[i]=1.0;
}
else{
a[i]=1.0/i;
}
}
strat=clock();
for(int i=0;i<1000000;i++)
f1(MAXN-1,a,1.2);
stop=clock();
duration=((double)(strat-stop))/CLK_TCK/10000;
printf("第一个算法的耗时:%f",duration);
strat=clock();
for(int i=0;i<1000000;i++)
f2(MAXN-1,a,1.2);
stop=clock();
duration=((double)(strat-stop))/CLK_TCK/10000;
printf("第二个算法的耗时:%f",duration);
}
double f1(int n,double a[],double x){
double p=0;
for(int i=0;i<=n;i++){
p+=a[i]*pow(x,i);
}
return p;
}
double f2(int n,double a[],double x){
double p=a[n];
for(int i=n;i>=1;i--){
p=a[i-1]+x*p;
}
return p;
}
二.数据结构:
三.算法
注意:
要找最小的上界和最大的下界
下面介绍一下时间复杂度上界和下界:
(1)大O记号(渐近上界记号)
定义1-1
设函数f(n)和g(n)是定义在非负整数集合上的正函数,如果存在两个正常数c和n0,使得当n≥n0时,有f(n)≤cg(n),则记做f(n) = O(g(n)),称为大O记号(big Oh notation) 称g(n)是f(n)的一个上界 注: f(n)的阶不高于g(n)
例1-1 f(n) = 2n + 3 = O(n)
当n≥3时,2n+3≤3n,
所以,可选c = 3,n0 = 3。对于n≥n0,f(n) = 2n + 3≤3n,
所以, f(n) = O(n) 。这意味着,当n≥3时,该程序步不会超过3n。
例1-2 f(n) = 10n2 + 4n + 2 = O(n2)
对于n≥2时,有10n2 + 4n + 2≤10n2 + 5n,
并且当n≥5时,5n≤n2, 因此,可选c = 11, n0 = 5;
对于n≥n0,f(n) = 10n2 + 4n + 2≤11n2, 所以f(n) = O(n2)。
例1-3 10n2 + 9 !=O(n)
使用反证法,假定存在c和n0,使得对于n≥n0,10n2 + 9≤cn始终成立,
那么有10n + 9/n≤c,即n≤c/10 - 9/(10n)总成立。
但此不等式不可能总成立,取n = c/10 + 1时,该不等式便不再成立。
重要定理
渐近时间复杂度
使用大O记号及下面定义的几种渐近表示法表示的算法时间复杂度,
称为算法的渐近时间复杂度(asymptotic complexity),简称时间复杂度
适当选择关键操作,算法的渐近时间复杂度可以由关键操作的执行次数之和来计算
【程序1-4】 矩阵乘法
-
for(i=0; i<n; i++) //n+1
-
for(j=0; j<n; j++){ //n(n+1)
-
c[i][j]=0; //n2
-
for(k=0; k<n; k++) //n2(n+1)
-
c[i][j]+=a[i][k]*b[k][j]; //n3
-
}
总的时间: n3+ n2(n+1)+ n2+ n(n+1)+ n+1 =2n3+3n2+2n+1 渐进时间复杂度:O(n3)
大O运算规则:
(1) O(f)+O(g)=O(max(f, g))
(2) O(f)+O(g)=O(f+g)
(3) O(f)O(g)=O(fg)
(4) 如果g(N)=O(f(N)), 则O(f)+O(g)=O(f)
(5) O(Cf(N))=O(f(N)), 其中C是一个正常数
(6) f=O(f)
(2)Ω记号(渐近下界记号)
定义2-2 设有函数f(n)和g(n)是定义在非负整数集合上的正函数,如果存在两个正常数 c和n0,使得当n≥n0时,有f(n)≥c g(n),则记做f(n) = Ω (g(n)),称为Ω记号(omega notation)。 注: f(n)的阶不低于g(n)
(Ω的相关概念实际上就是O(n)颠倒过来)
例1-5 f(n) = 2n + 3 =Ω(n)
对所有n,2n+3≥2n,可选c = 2,n0=0。
对于n≥n0,f(n) = 2n+3≥2n,所以,f(n) = Ω(n),即2n + 3∈Ω(n)。
例1-6 f(n) = 10n2 + 4n + 2 = Ω(n2)
对所有n,10n2 + 4n + 2≥10n2,可选c = 10,n0 = 0。
对于n≥n0,f(n) = 10n2 + 4n + 2≥10n2,所以,f(n) =Ω(n^2)。
重要定理
(3) θ记号(紧渐近界记号)
定义1-3 设有函数f(n)和g(n)是定义在非负整数集合上的正函数,如果存在正常数c1,c2和n0,使得当n≥n0时,有c1 g(n)≤f(n)≤c2 g(n),则记做f(n) = θ(g(n)),称为θ记号(Theta notation)。 注:此时f(n)和g(n)同阶
例1-7 f(n) = 2n + 3 = θ(n)
例1-8 f(n) = 10n2 + 4n + 2 = θ(n^2)
(4)算法按时间复杂度分类
多项式时间算法
凡渐近时间复杂度有多项式时间限界的算法称做多项式时间算法(polynomial time algorithm)
O(1)<O(log n)<O(n)<O(nlog n)<O(n^2)<O(n^3)
指数时间算法
渐近时间复杂度为指数函数限界的算法称做指数时间算法(exponential time algorithm)
O(2^n)<O(n!)<O(n^n)
时间复杂度增长示意图
判断时间复杂度是否为准确值相关定理
如果存在正常数n0, 使得当n≥n0时有f(n)>0, g(n)>0
并且 则f(n)=O(g(n))
如果存在正常数n0, 使得当n≥n0时有f(n)>0, g(n)>0
并且 则f(n)=θ(g(n))
书上相关例题参考答案:
函数的输入规模:
四.实例感悟
int Max3( int A, int B, int C )
{ /* 返回3个整数中的最大值 */
return A > B ? A > C ? A : C : B > C ? B : C;
}
int DivideAndConquer( int List[], int left, int right )
{ /* 分治法求List[left]到List[right]的最大子列和 */
int MaxLeftSum, MaxRightSum; /* 存放左右子问题的解 */
int MaxLeftBorderSum, MaxRightBorderSum; /*存放跨分界线的结果*/
int LeftBorderSum, RightBorderSum;
int center, i;
if( left == right ) { /* 递归的终止条件,子列只有1个数字 */
if( List[left] > 0 ) return List[left];
else return 0;
}
/* 下面是"分"的过程 */
center = ( left + right ) / 2; /* 找到中分点 */
/* 递归求得两边子列的最大和 */
MaxLeftSum = DivideAndConquer( List, left, center );
MaxRightSum = DivideAndConquer( List, center+1, right );
/* 下面求跨分界线的最大子列和 */
MaxLeftBorderSum = 0; LeftBorderSum = 0;
for( i=center; i>=left; i-- ) { /* 从中线向左扫描 */
LeftBorderSum += List[i];
if( LeftBorderSum > MaxLeftBorderSum )
MaxLeftBorderSum = LeftBorderSum;
} /* 左边扫描结束 */
MaxRightBorderSum = 0; RightBorderSum = 0;
for( i=center+1; i<=right; i++ ) { /* 从中线向右扫描 */
RightBorderSum += List[i];
if( RightBorderSum > MaxRightBorderSum )
MaxRightBorderSum = RightBorderSum;
} /* 右边扫描结束 */
/* 下面返回"治"的结果 */
return Max3( MaxLeftSum, MaxRightSum, MaxLeftBorderSum + MaxRightBorderSum );
}
int MaxSubseqSum3( int List[], int N )
{ /* 保持与前2种算法相同的函数接口 */
return DivideAndConquer( List, 0, N-1 );
}
原文地址:https://www.jb51.cc/wenti/3280011.html
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。