【算法分析与设计】算法概述

简介: 【算法分析与设计】算法概述

数据结构+算法(+设计模式)=程序

一、学习要点

  理解算法的概念。

  掌握算法的计算复杂性概念。

  掌握算法复杂性的渐近性态的数学表述。

  了解NP类问题的基本概念。


二、算法的定义

  顾名思义,计算(求解)的方法

  算法(Algorithm):对特定问题求解步骤的一种描述,是指令的有限序列

  算法是指解决问题的一种方法或一个过程

  程序设计=数据结构+算法(+设计模式


三、算法的性质

  算法是若干指令的有穷序列,满足性质:

  (1)输入:有外部提供的量作为算法的输入。

  (2)输出:算法产生至少一个量作为输出。

  (3)确定性:组成算法的每条指令是清晰,无歧义的。

  (4)有限性:算法中每条指令的执行次数是有限的,执行每条指令的时间也是有限的。


四、程序(Program)

  程序是算法用某种程序设计语言的具体实现。

  程序可以不满足算法的性质。

  例如操作系统,是一个在无限循环中执行的程序,因而不是一个算法

  操作系统的各种任务可看成是单独的问题每一个问题由操作系统中的一个子程序通过特定的算法来实现。该子程序得到输出结果后便终止。


五、问题求解(Problem Solving)


六、算法的描述

  自然语言或表格

  伪码方式

  C++语言

  Java语言

  C语言

  Python等其他语言


七、算法分析的目的

  对算法所需要的两种计算机资源——时间和空间进行估算

  设计算法——设计出复杂性尽可能低的算法

  选择算法——在多种算法中选择其中复杂性最低者


八、算法复杂性分析

  算法复杂性是算法运行所需要的计算机资源的量,

  需要时间资源的量称为时间复杂性,需要的空间资源的量称为空间复杂性

  这个量应该只依赖于算法要解的问题的规模算法的输入算法本身的函数

  如果分别用NIA表示算法要解问题的规模算法的输入算法本身,而且用C表示复杂性,那么,应该有C=F(N,I,A)

  一般把时间复杂性和空间复杂性分开,并分别用T和S来表示,则有: T=T(N,I)和S=S(N,I)(通常,让A隐含在复杂性函数名当中)

(一)算法时间复杂性分析

  最坏情况下的时间复杂性

  最好情况下的时间复杂性

  平均情况下的时间复杂性

  其中DN是规模为N的合法输入的集合;I* 是DN中使T(N, I*)达到Tmax(N)的合法输入; 是中使T(N, I*)达到Tmin(N)的合法输入;而P(I)是在算法的应用中出现输入I的概率。

(二)算法渐近复杂性

  T(n) →∞ , 当 n→∞ ;

  (T(n) - t(n) )/ T(n) →0 ,当 n→∞;

  t(n)是T(n)的渐近性态,为算法的渐近复杂性。

  在数学上, t(n)是T(n)的渐近表达式,是T(n)略去低阶项留下的主项。它比T(n) 简单。

1、渐进上界记号-大O符号

  若存在两个正的常数c和n0,对于任意n≥n0,都有T(n)≤c×f(n),则称T(n)=O(f(n))

2、渐进下界记号-大Ω符号

  若存在两个正的常数c和n0,对于任意n≥n0,都有T(n)≥c×g(n),则称T(n)=Ω(g(n))

3、紧渐进界记号-Θ符号

  若存在三个正的常数c1、c2和n0,对于任意n≥n0都有c1×f(n)≥T(n)≥c2×f(n),则称T(n)=Θ(f(n))

  例: T(n)=5n2+8n+1

  当n≥1时,5n2+8n+1≤5n2+8n+n=5n2+9n≤5n2+9n2≤14n2=O(n2)

  当n≥1时,5n2+8n+1≥5n2=Ω(n2)

  ∴ 当n≥1时,14n2≥5n2+8n+1≥5n2

  则:5n2+8n+1=Θ(n2)

  定理:若T(n)=amnm +am-1nm-1 + … +a1n+a0(am>0),则有T(n)=O(nm)且T(n)=Ω(n m),因此,有T(n)=Θ(n m)。

4、非紧上界记号o

  o(g(n)) = { f(n) | 对于任何正常数c>0,存在正数和n0 >0使得对所有n≥n0有:0<f(n)<cg(n) }

  等价于 f(n) / g(n) →0 ,当 n→∞。

5、非紧下界记号ω

  ω(g(n)) = { f(n) | 对于任何正常数c>0,存在正数和n0 >0使得对所有n> n0有:0 ≤ cg(n) < f(n) }

  等价于 f(n) / g(n) →∞ ,当 n→∞。

6、渐近分析记号在等式和不等式中的意义

  f(n)= Θ(g(n))的确切意义是:f(n) ∈ Θ(g(n))。

  一般情况下,等式和不等式中的渐近记号Θ(g(n))表示Θ(g(n))中的某个函数。

  例如:2n2 + 3n + 1 = 2n2 + Θ(n) 表示

   2n2 +3n +1=2n2 + f(n),其中f(n) 是Θ(n)中某个函数。

  等式和不等式中渐近记号O,o, Ω和ω的意义是类似的。

7、渐近分析中函数比较

  f(n)= O(g(n)) ≈ a ≤ b;

  f(n)= Ω(g(n)) ≈ a ≥ b;

  f(n)= Θ(g(n)) ≈ a = b;

  f(n)= o(g(n)) ≈ a < b;

  f(n)= ω(g(n)) ≈ a > b.

8、渐近分析记号的若干性质

(1)传递性

  f(n)= Θ(g(n)), g(n)= Θ(h(n)) → f(n)= Θ(h(n));

  f(n)= O(g(n)), g(n)= O (h(n)) → f(n)= O (h(n));

  f(n)= Ω(g(n)), g(n)= Ω (h(n)) → f(n)= Ω(h(n));

  f(n)= o(g(n)), g(n)= o(h(n)) → f(n)= o(h(n));

  f(n)= ω(g(n)), g(n)= ω(h(n)) → f(n)= ω(h(n));

(2)反身性

  f(n)= Θ(f(n));

  f(n)= O(f(n));

  f(n)= ω(f(n)).

(3)对称性

  f(n)= Θ(g(n)) ⇔ g(n)= Θ (f(n)) .

(4)互对称性

  f(n)= O(g(n)) ⇔ g(n)= Ω (f(n)) ;

  f(n)= o(g(n)) ⇔ g(n)= ω (f(n)) ;

(5)算术运算

  O(f(n))+O(g(n)) = O(max{f(n),g(n)}) ;

  O(f(n))+O(g(n)) = O(f(n)+g(n)) ;

  O(f(n))*O(g(n)) = O(f(n)*g(n)) ;

  O(cf(n)) = O(f(n)) ;

  g(n)= O(f(n)) → O(f(n))+O(g(n)) = O(f(n)) 。

  规则O(f(n))+O(g(n)) = O(max{f(n),g(n)}) 的证明

  对于任意f1(n) ∈ O(f(n)) ,存在正常数c1和自然数n1,使得对所有n≥ n1,有f1(n) ≤ c1f(n) 。

  类似地,对于任意g1(n) ∈ O(g(n)) ,存在正常数c2和自然数n2,使得对所有n≥ n2,有g1(n) ≤ c2g(n) 。

  令c3=max{c1, c2}, n3 =max{n1, n2},h(n)= max{f(n),g(n)} 。

  则对所有的 n ≥ n3,有

  f1(n) +g1(n) ≤ c1f(n) + c2g(n)

  ≤ c3f(n) + c3g(n)= c3(f(n) + g(n))

  ≤ c32 max{f(n),g(n)}

  = 2c3h(n) = O(max{f(n),g(n)}) .

9、算法渐近复杂性分析中常用函数

(1)单调函数

  单调递增:m ≤ n → f(m) ≤ f(n) ;

  单调递减:m ≥ n → f(m) ≥ f(n);

  严格单调递增:m < n → f(m) < f(n);

  严格单调递减:m > n → f(m) > f(n).

(2)取整函数

  ⌊ x ⌋ :不大于x的最大整数

  ⌈ x ⌉ :不小于x的最小整数

取整函数的若干性质

   x-1 < ⌊ x ⌋ ≤ x ≤ ⌈ x ⌉ < x+1;

   ⌊ n/2 ⌋ + ⌈ n/2 ⌉ = 整数n;

   对于n ≥ 0,a,b>0,有:

   ⌈ ⌈ n/a ⌉ /b ⌉ = ⌈ n/ab ⌉ ;

   ⌊ ⌊ n/a ⌋ /b ⌋ = ⌊ n/ab ⌋ ;

   ⌈ a/b ⌉ ≤ (a+(b-1))/b;

   ⌊ a/b ⌋ ≥ (a-(b-1))/b;

   f(x)= ⌊ x ⌋ , g(x)= ⌈ x ⌉ 为单调递增函数。

(3)多项式函数

   p(n)= a0+a1n+a2n2+…+adnd; ad>0;

   p(n) = Θ(nd);

   f(n) = O(nk) ⇔ f(n)多项式有界;

   f(n) = O(1) ⇔ f(n) ≤ c;

   k ≥ d → p(n) = O(nk) ;

   k ≤ d → p(n) = Ω(nk) ;

   k > d → p(n) = o(nk) ;

   k < d → p(n) = ω(nk) .

(4)指数函数

  对于正整数m,n和实数a>0:

  a0=1;

  a1=a ;

  a-1=1/a ;

  (am)n = amn ;

  (am)n = (an)m ;

  aman = am+n ;

  a>1 → an为单调递增函数;

  a>1 →

→ nb = o(an)

(5)对数函数

   log n = log2n;

   lg n = log10n;

   ln n = logen;

   logkn = (log n)k;

   log log n = log(log n);

   for a>0,b>0,c>0

(6)阶乘函数

  Stirling’s approximation

10、算法分析中常见的复杂性函数

(1)小规模数据

(2)中等规模数据

(3)算法分析方法

例:顺序搜索算法

template<class Type>
int seqSearch(Type *a, int n, Type k)
{
     for(int i=0;i<n;i++)
    if (a[i]==k) return i;
     return -1;
}

  (1)Tmax(n) = max{ T(I) | size(I)=n }=O(n)

  (2)Tmin(n) = min { T(I) | size(I)=n }=O(1)

  (3)在平均情况下,假设:

   (a) 搜索成功的概率为p ( 0 ≤ p ≤ 1 );

   (b) 在数组的每个位置i ( 0 ≤ i < n )搜索成功的概率相同,均为 p/n。


九、算法分析的基本法则

1、非递归算法:

(1)for / while 循环

  循环体内计算时间*循环次数

(2)嵌套循环

  循环体内计算时间*所有循环次数

(3)顺序语句

  各语句计算时间相加

(4)if-else语句

  if语句计算时间和else语句计算时间的较大者

2、最优算法

  问题的计算时间下界为Ω(f(n)),则计算时间复杂性为O(f(n))的算法是最优算法。

例如,排序问题的计算时间下界为Ω(nlogn),计算时间复杂性为O(nlogn)的排序算法是最优算法。

堆排序算法是最优算法。


相关文章
|
3月前
|
机器学习/深度学习 边缘计算 算法
NOMA和OFDMA优化算法分析
NOMA和OFDMA优化算法分析
243 127
|
5月前
|
数据采集 机器学习/深度学习 算法
别急着上算法,咱先把数据整明白:大数据分析的5个基本步骤,你都搞对了吗?
别急着上算法,咱先把数据整明白:大数据分析的5个基本步骤,你都搞对了吗?
234 4
|
2月前
|
人工智能 自然语言处理 算法
2025 年 7 月境内深度合成服务算法备案情况分析报告
2025年7月,中央网信办发布第十二批深度合成算法备案信息,全国389款产品通过备案,服务提供者占比超七成。截至7月14日,全国累计备案达3834款,覆盖文本、图像、音视频等多模态场景,广泛应用于生活服务、医疗、金融等领域。广东以135款居首,数字人、AI客服等C端应用主导,民营企业成主力,国企聚焦公共服务。随着AI政策推动,备案已成为AI产品合规上线关键环节。
|
5月前
|
存储 监控 算法
员工行为监控软件中的 Go 语言哈希表算法:理论、实现与分析
当代企业管理体系中,员工行为监控软件已逐步成为维护企业信息安全、提升工作效能的关键工具。这类软件能够实时记录员工操作行为,为企业管理者提供数据驱动的决策依据。其核心支撑技术在于数据结构与算法的精妙运用。本文聚焦于 Go 语言中的哈希表算法,深入探究其在员工行为监控软件中的应用逻辑与实现机制。
147 14
|
6月前
|
自然语言处理 算法 安全
境内深度合成服务算法备案通过名单分析报告
本报告基于《境内深度合成服务算法备案通过名单》,分析了2023年6月至2025年3月公布的10批备案数据,涵盖属地分布、行业应用及产品形式等多个维度。报告显示,深度合成算法主要集中于经济发达地区,如北京、广东、上海等地,涉及教育、医疗、金融、娱乐等多行业。未来趋势显示技术将向多模态融合、行业定制化和安全合规方向发展。建议企业加强技术研发、拓展应用场景、关注政策动态,以在深度合成领域抢占先机。此分析旨在为企业提供参考,助力把握技术发展机遇。
境内深度合成服务算法备案通过名单分析报告
|
6月前
|
供应链 算法 搜索推荐
从公布的前十一批其他算法备案通过名单分析
2025年3月12日,国家网信办发布算法备案信息,深度合成算法通过395款,其他算法45款。前10次备案中,深度合成算法累计3234款,其他类别647款。个性化推送类占比49%,涵盖电商、资讯、视频推荐;检索过滤类占31.53%,用于搜索优化和内容安全;调度决策类占9.12%,集中在物流配送等;排序精选类占8.81%,生成合成类占1.55%。应用领域包括电商、社交媒体、物流、金融、医疗等,互联网科技企业主导,技术向垂直行业渗透,内容安全和多模态技术成新增长点。未来大模型检索和多模态生成或成重点。
从公布的前十一批其他算法备案通过名单分析
|
6月前
|
人工智能 自然语言处理 供应链
从第十批算法备案通过名单中分析算法的属地占比、行业及应用情况
2025年3月12日,国家网信办公布第十批深度合成算法通过名单,共395款。主要分布在广东、北京、上海、浙江等地,占比超80%,涵盖智能对话、图像生成、文本生成等多行业。典型应用包括医疗、教育、金融等领域,如觅健医疗内容生成算法、匠邦AI智能生成合成算法等。服务角色以面向用户为主,技术趋势为多模态融合与垂直领域专业化。
|
7月前
|
存储 缓存 监控
企业监控软件中 Go 语言哈希表算法的应用研究与分析
在数字化时代,企业监控软件对企业的稳定运营至关重要。哈希表(散列表)作为高效的数据结构,广泛应用于企业监控中,如设备状态管理、数据分类和缓存机制。Go 语言中的 map 实现了哈希表,能快速处理海量监控数据,确保实时准确反映设备状态,提升系统性能,助力企业实现智能化管理。
120 3
|
6月前
|
人工智能 自然语言处理 算法
从第九批深度合成备案通过公示名单分析算法备案属地、行业及应用领域占比
2024年12月20日,中央网信办公布第九批深度合成算法名单。分析显示,教育、智能对话、医疗健康和图像生成为核心应用领域。文本生成占比最高(57.56%),涵盖智能客服、法律咨询等;图像/视频生成次之(27.32%),应用于广告设计、影视制作等。北京、广东、浙江等地技术集中度高,多模态融合成未来重点。垂直行业如医疗、教育、金融加速引入AI,提升效率与用户体验。
|
8月前
|
存储 算法 安全
基于哈希表的文件共享平台 C++ 算法实现与分析
在数字化时代,文件共享平台不可或缺。本文探讨哈希表在文件共享中的应用,包括原理、优势及C++实现。哈希表通过键值对快速访问文件元数据(如文件名、大小、位置等),查找时间复杂度为O(1),显著提升查找速度和用户体验。代码示例展示了文件上传和搜索功能,实际应用中需解决哈希冲突、动态扩容和线程安全等问题,以优化性能。

热门文章

最新文章