《数据结构与算法分析》——C语言描述 第二版 学习笔记二

本文是《数据结构与算法分析》第二版的学习笔记,重点讲解了算法分析的数学基础,包括O、Ω、θ和o的定义,以及算法时间复杂度的计算法则。此外,还探讨了如何分析算法的运行时间,特别提到了最坏运行时间和嵌套循环的处理。最后,介绍了最大子序列和问题的经典算法解决方案,包括递归和动态规划的方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

《数据结构与算法分析》——C语言描述 第二版 学习笔记二

第二章 算法分析

算法(algorithm):是为求解一个问题需要遵循的、被清楚地指定的简单指令集。

一、数学基础
四个关于相对增长率的数学定义:(贯穿全书的四个重要概念)

  • 定义:如果存在正常数c和n0,使得当N>=n0时,T(N)<=cf(N),则记为 T(N) = O(f(N))。
  • 定义:如果存在正常数c和n0,使得当N>=n0时,T(N)>=cg(N),则记为 T(N) = Ω(g(N))。
  • 定义:T(N) = θ(h(N)),当且仅当T(N) = O(h(N)) 且 T(N) = Ω(h(N))。
  • 定义:如果T(N) = O(p(N)) 且 T(N) != θ(p(N)),则T(N) = o(p(N))。

附上书上的原定义截图:
在这里插入图片描述 简单的,比较好理解的说法如下:

  • O(N):增长率小于等于f(N),不快于,是一个上界。
  • Ω(N):增长率大于等于f(N),不慢于,是一个下界。
  • θ(N):增长率等于
  • o(N):增长率小于(不同于O(N),大O包含增长率相等的情况)

计算法则:

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值