算法复杂度分析

《算法复杂度分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、1、算法的时间性能分析(1)算法耗费的时间和语句频度一个算法所耗费的时间二算法中每条语句的执行时间之和每条语句的执行时间二语句的执行次数(即频度(FrequencyCount))X语句执行一次所需时间算法转换为程序片，每条语句执行一次所需的时间取决于机器的指令性能、速度以及编译所产牛的代码质量等难以确定的因素。若要独立于机器的软、硬件系统來分析算法的时间耗费，则设每条语句执行一次所需的时间均是单位时间，一个算法的时间耗费就是该算法中所有语句的频度之和。求两个n阶方阵的乘积C=AXB,其算法如下：#definen100//n可根据需要定义，这里假定为1

2、00voidMatrixMultiply(intA[a],intB[n][n],intC[n][n]){〃右边列为各语句的频度inti,j,k;(1)for(i=0;i

3、它的频度是n+1。但是它的循环体却只能执行n次。语句(2)作为语句(1)循环体内的语句应该执行n次，但语句(2)本身要执行n+1次，所以语句(2)的频度是n(n+1)。同理可得语句⑶,(4)和(5)的频度分别是n2,『(n+1)和n'。算法MatrixMultiply的时间耗费T(n)是矩阵阶数n的函数。(2)问题规模和算法的时间复杂度算法求解问题的输入量称为问题的规模(Size),一般用一个整数表示。姬阵乘积问题的规模是雉阵的阶数。一个图论问题的规模则是图中的顶点数或边数。-个算法的时间复杂度(TimeComplexity,也称时间复杂性)T(n)

4、是该算法的时间耗费，是该算法所求解问题规模n的函数。当问题的规模n趋向无穷人时，时间复杂度T(n)的数量级(阶)称为算法的渐进时间复杂度。算法MatrixMultidy的时间复杂度T(n)如(1.1)式所示,当n趋向无穷大时，显然有这表明，当n充分大时，T(n)和n‘之比是一个不等于零的常数。即T(n)和n堤同阶的，或者说T(n)和r?的数量级相同。记作T(n)=O(n5)是算法MatrixMultiply的渐近时间复杂度。(1)渐进时间复杂度评价算法时间性能主要用算法时间复杂度的数量级(即算法的渐近时间复杂度)评价一个算法的时间性能。算法Matri

5、xMultiply的时间复杂度一般为T(n)=0(n3),f(n)二n3是该算法中语句(5)的频度。下面再举例说明如何求算法的时间复杂度。交换i和j的内容。Temp二i;••1二j;j二temp;以上三条单个语句的频度均为1,该程序段的执行时间是一个与问题规模n无关的常数。算法的时间复杂度为常数阶，记作T(n)二0(1)。注意：如果算法的执行时间不随着问题规模n的增加而增长，即使算法中有上千条语句，其执行时间也不过是一个较大的常数。此类算法的时间复杂度是0(1)。变量计数之一：(1)x=0;y=0;(2)for(k-1;k<=n;k++)(3)x++

6、;(4)for(i=l;i<=n;i++)(5)for(j=l;j<=n;j++)(6)y++;一般悄况下，对步进循环语句只需考虑循环体屮语句的执行次数，忽略该语句屮步长加1、终值判别、控制转移等成分。因此以上程序段中频度最大的语句是(6),其频度为f(n)=n2,所以该程序段的时间复杂度为T(n)=0(n2)o当有若干个循环语句时，算法的时间复杂度是由嵌套层数最多的循环语句屮最内层语句的频度f(n)决定的。变量计数之二：⑴x=l;(2)for(i=l;i<=n;i++)(3)for(j=l;j<=i;j++)(4)for(k=l;k<=j;k++)

7、(5)x++;该程序段中频度最大的语句是(5),内循环的执行次数虽然与问题规模n没冇胃接关系，但是却与外层循环的变量取值冇关，而最外层循环的次数直接与n有关，因此可以从内层循环向外层分析语句(5)的执行次数：则该程序段的时间复杂度为T(n)=0(r?/6+低次项)二0(n3)。(1)算法的时间复杂度不仅仅依赖于问题的规模，还与输入实例的初始状态有关。在数值A[0..H-1]屮查找给定值K的算法大致如下：(2)while(i>=0&&(A[i]!=k))(3)i—;(4)returni;此算法屮的语句⑶的频度不仅与问题规模n有关，还与输入实例屮A的各元

8、素取值及K的取值有关：①若A屮没有与K相等的元素，则语句(3)的频度f(n)=n；②若A的嚴后一•个元素等于