2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)

性能就好像是平常的货币一样,我们用它交换安全和性能。

Insert—Sort(A,n) 伪代码

for j<—2 to n
    do key<— A[j]
    i<—j-1
    while(i > 0 and A[i] > key)
        do A[i+1] <—A[i]
            i<—i-1
    A[i+1] <—key

Insert—Sort(A,n) 图解

2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第1张图片
插入排序原理

asymptotic analysis(渐近分析)

一般分析分为最坏情况分析(worst-case)、平均时间分析(average-case)、 最好情况分析(best-case)一般情况下我们认为best-case是无用的(bogus),大多是情况下我们都是分析worst-case,这种情况决定了他的上界(upper-bound),我们设这种情况为T(n)

θ:drop low order terms and ignore leading constant(舍弃低阶项和忽略高阶项系数)

对insert-sort T(n)分析:
T(n) = ∑(j=2 ->n)
θ(j) = θ(n²) 因为由上面的公式可知,其为等差数列的累加过程,是算术级数(Arithmetic series)

T(n) Mere—Sort
θ(1) 1.If n=1 ,done
2T(n/2) 2.递归排序 A:[1-n/2] and A:[n/2-n]
θ(n) Merge 2 sorted list
2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第2张图片
归并排序

T(n) = 2T(n/2)+ Cn

递归树

初识递归树

O(O-notation) means <=
ω(omega-notation) means >=
θ = O() ∩ ω()

代换法

  1. 猜测问题的答案
  2. 按照数学归纳法满足条件
  3. 找出系数,解决问题

Example

T(n) = 4T(n/4) + n
Guess T(n) = O(n³)
T(k) <= ck³

T(n) =  4T(n/2) +  n
       ≤ 4(n/2)³ + n
       = 1/2cn³ + n
       = cn³ -(1/2cn³-n)

在c≥1 and n≥1 的情况下(1/2cn³-n)恒大于0
所以假设成立T(n) = O(n³)

递归树法(之前出现的归并算法中已经用到)

Example

定理4.1(主定理) 令 a≥1 和 b>1 是常数,f(n) 是一个函数,T(n) 是定义在非负整数上的递归式:
T(n) = aT(n/b) + f(n)
那么T(n)有如下渐进界:
1.若对某个常数 ε>0 有 f(n) = O(nlogba-ε),则 T(n) = Θ(nlogba) 。
2.若 f(n) = Θ(nlogba),则 T(n) = Θ(nlogba lgn) 。
3.若对某个常数 ε>0 有 f(n) = Ω(nlogba+ε),且对某个常数 c<1 和所有足够大的 n 有 af(n/b) ≤ cf(n),则 T(n) = Θ(f(n)) 。

案例1:

T(n) = 9T(n/3) + n
对于这个递归式,我们有 a = 9,b = 3, f(n) = n,因此 nlogba = nlog39 = Θ(n2) 。而 f(n) = n 渐进小于 Θ(n2),所以可以应用于主定理的情况1,从而得到解 T(n) = Θ(n2) 。

案例2:

T(n) = T(2n/3) + 1
其中,a = 1, b = 3/2, f(n) = 1,因此 nlogba = nlog3/21 = n0 = 1 。由于 f(n) = Θ(1) ,与Θ(nlogba)恰好相等,可应用于情况2,从而得到解 T(n) = Θ(lgn) 。

案例3:

T(n) = 3T(n/4) + nlgn
我们有 a = 3,b = 4,f(n) = nlgn,因此nlogba = nlog43 = O(n0.793) 。由于 f(n) = Θ(nlgn) = Ω(n2) = Ω(n0.793+1.207),因此可以考虑应用于情况3,其中 ε = 1.207。但需要检查是否满足条件:当 n 足够大时,存在 c<1 使 af(n/b) ≤ cf(n) 。
令 3f(n/4) ≤ cf(n) 有
3n/4lg(n/4) ≤ cnlgn
3/4(lgn - lg4) ≤ clgn
(3/4 - c)lgn ≤ 3/4lg4
容易发现,当 c ≥ 3/4 时,上式对于足够大的 n 恒成立。因此可以使用主定理的情况3,得出递归式的解为 T(n) = Θ(nlgn) 。

分治法

1.Divide
2.Conquer
3.combine

Binary search

1.Divide:把X与数组的中间元素相比较
2.Conquer:数组大小变为原来的一半
3.combine:无
T(n) = T(n/2)+ θ(1)

乘方问题&Fibonacci

2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第3张图片
乘方&Fibonacci

strassen矩阵算法

2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第4张图片
strassen

VLSI

VLSI是超大规模集成电路(Very Large Scale Integration)的简称,指几毫米见方的硅片上集成上万至百万晶体管、线宽在1微米以下的集成电路。

VLSI Layout

Naive Algorithm


2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第5张图片
VLSI layout - naive

Quick Algorithm


Quick Algorithm

Quick-Sort

快速排序的特点
-Divide and conquer
-Sorts in place
-Very practical

2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第6张图片
基本思路
2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第7张图片
例子

j向右边移动,如果遇到比6大的数字则继续像右移动,如果遇到比6小的数字,将该数字与i+1下标数组数字交换,最后交换a[i]和一开始的参照数。

快排算法时间分析(worst-case :每次分出来的两边数组都是1个元素和n-1个元素)

2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第8张图片
worst

快排算法其他情况下的分析

1.将数组正好对半分(best-case)
2.将数组分为1/9开(或者其他开)
3.最好情况和最坏情况交替出现
以上情况最终结果都趋向于θ(nlogn)
因此快排有最适合于实际运用的特点

证明推导如图


2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第9张图片
Best-case证明
2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第10张图片
1-9开case证明
2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排)_第11张图片
好坏交替case证明

你可能感兴趣的:(2018-02-19算法导论课程笔记(插入,归并,代换,递归树,分治,主方法,快排))