普林斯顿算法中级笔记2(算法分析)

算法分析

这一节主要讲述算法复杂度的分析，本文进行了一些精简

科学的分析方法（个人认为这里有些类似机器学习的分析法）：

1. 观察现实中事物
2. 根据观察结果提出一些假说的模型
3. 根据之前提出的假说提出一些预测
4. 验证这些预测是否与事实相符
5. 重复修正模型只到预测与事实相符合

原则：

• 实验必须是可重复的
• 假说必须是可以进行验证的

看一个例子

3-sum：给出一组数字，有哪些三个一组的数字和是一个给定的值？
未进行复杂度优化时的代码实现：

public class ThreeSum
{
 public static int count(int[] a)
 {
 int N = a.length;
 int count = 0;
 for (int i = 0; i < N; i++)
 for (int j = i+1; j < N; j++)
 for (int k = j+1; k < N; k++)
 if (a[i] + a[j] + a[k] == 0) //三重循环
 count++;
 return count;
 }
 public static void main(String[] args)
 {
 int[] a = In.readInts(args[0]);
 StdOut.println(count(a));
 }
}

直观图：

屏幕快照 2018-07-30 下午4.46.13.png
取对数后的图
屏幕快照 2018-07-30 下午4.48.23.png
我们有以下公式：
lg(T (N)) = blgN + c
b = 2.999
c = -33.2103
T (N) = 2^cN^b
通过该公式可以通过已知的算法消耗时间推送出斜率，然后推算出当N较大时需要的时间。

数学分析

例子：当输入参数等于N时的数组访问次数

int count = 0;
for (int i = 0; i < N; i++)
 for (int j = i+1; j < N; j++)
 if (a[i] + a[j] == 0)
 count++;

操作	频率
变量声明	N + 2
赋值操作	N + 2
小于比较	½ (N + 1) (N + 2)
等于比较	½ N (N − 1)
数组访问	N (N − 1)
自增	½ N (N − 1) 至 N (N − 1)

简化算法复杂度的衡量指标
忽略低等级指数项 如：
⅙ N 3 - ½ N 2 + ⅓ N 直接使用： ⅙ N 3

增长级别分类：

常用的算法复杂度增长函数有：
1, log N, N, N log N, N 2, N 3,2N

屏幕快照 2018-07-30 下午5.21.37.png

下面的表格展示了1970年以来我们能处理的不同算法复杂度的问题规模

算法复杂度	1970s	1980s	1990s	2000s
1	∞	∞	∞	∞
logN	∞	∞	∞	∞
N	百万	千万	亿	十亿
NlogN	几千	百万	百万	数百万
N2	百	千	千	万
N3	百	百	千	千
2N	20	20s	20s	30

例子

二分查找：

public static int binarySearch(int[] a, int key)
 {
 int lo = 0, hi = a.length-1;
 while (lo <= hi)
 {
 int mid = lo + (hi - lo) / 2;
 if (key < a[mid]) hi = mid - 1;
 else if (key > a[mid]) lo = mid + 1;
 else return mid;
 }
 return -1;
 }

二分查找的算法复杂度为lgN，下面我们尝试使用这个算法去精简3-sum算法。

• 首先对数据进行排序，在已知的算法中可以做到复杂度为NlogN（归并排序或者堆排序）
• 而后对于每一组a[i] a[j]查找-(a[i]+a[j]).对于(a[i]+a[j])转换为2sum问题，在数组中二分查找a[i].