算法复习整理(呕心之作).doc

《算法设计与分析》复习提纲 2011.06.12 1 引言(ch1) 什么是算法及其特征 算法是通过一系列有限的指令集构成的对特定问题进行求解的计算机执行描述。 算法特征：输入、输出、有限性、确定性、通用性 问题实例和问题规模 问题实例：解决一个问题所需要的所有输入 问题规模：算法输入实例的大小 2 算法初步(ch2) 插入排序算法 INSERT_SORT(A) for j-2 to length[A] Do key-A[j]//将A[j]插入到已排序的数列A[1..j-1] i-j-1 while i0 and A[i]key do A[i+1]-A[i]//给A[j]腾出位置 i-i-1 A[i+1]-key//找到位置插入key  2.算法复杂性及其度量 (1)时间复杂性和空间复杂性； 一个算法所需要的时间通常和输入的规模成同步增长，所以我们通常把算法运行的时间写成输入规模的某种形式，称为时间复杂度。 算法的空间复杂度通常是指算法所需要的内存存储空间的大小的量级，通常也写成输入规模的某种形式。 (2)最坏、最好和平均情形复杂性； 算法的最坏运行时间是指在任何输入情况下运行时间的一个上界。最好的复杂度是指在任何输入情况下运行时间的一个下界。平均时间复杂度是指算法运行时间的数学期望。 3.插入排序的最坏、最好和平均时间 插入排序的最坏时间复杂度是O(n2)发生在输入是逆序的情况下,最好时间复杂度是O(n)发生输入是顺序的情况下。平均时间复杂度同O(n2)。 归并排序算法及其时间复杂性 MERGE(A,p,q,r)//将两个排好序的数组合并 n1 -q-p+1 n2-r-q//r-(q+1)+1 create arrays L[1..n1+1] and R[1..n2+1]//建立两个数组 for i-1 to n1 do L[i]-A[p+i-1] for j-1 to n2 do R[j]-A[q+j]//A[(q+1)+j-1] L[n1+1]-max//Max表示无穷大 L[n2+1]-max//用作哨兵 i-1 j-1 for k-p to r do if L[i]=R[j] then A[k]-L[i] i-i+1 else A[k]-R[j] j-j+1 MERGE-SORT(A,p,r)//归并排序采用分治发，分解+解决+合并 if pr then q-(p+r)/2//下取整，分解 MERGE-SORT(A,p,q)//解决一半 MERGE-SORT(A,q+1,r)//解决另一半 MERGE(A,p,q,r)//合并 时间复杂度为O(nlogn) 3函数增长率(ch3) 渐近记号O、Ω、θ的定义及其使用 θ:渐紧界，即存在n0,c1,c2,当nn0时有c1g(n)=f(n)=c2 O:渐进上界，即存在n0,c当nn0时有0=f(n)=cg(n)（注：证明的时候找出n0和c即可，千万不要忘记还要证明0=f(n)的情况，会影响n0的取值） Ω：渐进下界，即存在n0,c,当nn0的时候有f(n)=cg(n)成立（（注：证明的时候找出符合条件的n0和c即可） 标准复杂性函数及其大小关系 (1)多项式时间阶的大小 O(1)O(logn)O(n)O(nlogn)O(n2)O(n3)…… (2)指数时间阶的大小 O(2n)O(n!)O(nn) 和式界的证明方法 数学归纳法，先猜，后用数学归纳法按照界的证明方法证明（求c和n0） 对项进行限界：利用最大、最小值进行放缩，以及利用和式的前后两项比值小于1进行几何级数的限界。 和式分解 简单的分解 忽略和式初始几项 更复杂的划分，要充分考虑和式的规律性 积分近似（分为f(k)单调递增和递减两种情况）可用于求紧致界 Knuth求和的七种方法 4 递归关系式(ch4) 1.替换法 (1)猜测解?数学归纳法证明； 注： a.出现T(n/2)的情况下要假设T(n/2)符合条件，继而得到T(n)符合条件 b.不要忘记证明归纳基础(n=1、n=2直到找到一个n0，使得对nn0时候一切都符合猜测的结论) c.有时候得到T(n)=cn+1的时候需要在猜测解中减去一个低阶项，凑成T(n)=cn (2)变量变换法； 替换使式子变形为已知的熟悉的形式。如T(n)=2T(n/2)+n 2.迭代法 (1)展开法；关键是处理通项等于1的情况，也就是递归结束的情况