算法导论学习总结-基础篇(一)

一、基础知识(概念)总结：
1.渐进记号：
(1).大O记号： 大O记号给出函数的渐进上界。定义：O(g(n))={f(n):存在正常量 c 和 n0，使得对所有 n>=n0,有 0<=f(n)<=cg(n)} ps:Θ记号是一个比O记号更强的概念。按集合论的写法，有 Θ（g(n)) 包含于 O（g(n))。
(2).大Ω记号:正如O记号提供了一个函数的渐进上界，Ω记号提供了渐进下界。定义：Ω(g(n)) = {f(n):存在正常量c和n0，使得所有n>=n0,有0<=cg(n)<=f(n)}
(3).大Θ记号：
大Θ记号给出函数的渐进紧确界。定义Θ(g(n)) = {f(n):存在正常数c1和c2和n0，使对所有的 n >= n0,都有 0 <= c1g(n) <= f(n) <= c2g(n)。0符号描述的两个边界，而大O和大Ω定义的只是上界和下界。
(4).小O记号：
用小O记号来表示一个非渐进紧确的上界。定义：O（g（n)) = {f(n):对任意正常量 C > 0,存在常量 n0 > 0,使得对所有 n >= n0,有 0 <= f(n) < cg(n)} ps：非渐进紧确的定义就是边界不包含等于号。
(5).小记号：
小记号与Ω记号关系类似于小O标记和大O标记的关系。使用小表示非渐进紧确的下界。

2.NP完全问题：
NP完全或NP完备（NP-Complete，缩写为 NP-C 或 NPC），是计算复杂度理论中，决定性问题的等级之一。NPC 问题，是NP（非决定性多项式时间）中最难的决定性问题。因此NP完备问题应该是最不可能被化简为P（多项式时间可决定）的决定性问题的集合。许多人推测若任何NPC问题得到多项式时间的解法，那此解法就可应用在所有NP问题上。
(1)虽然迄今为止不曾找到对一个NP完全问题的有效算法，但是也没有人能证明NP完全问题确实不存在有效算法。换句话说，对于NP完全问题，是否存在有效算法是未知的。
(2)NP完全问题集具有一个非凡的性质：如果任何一个NP完全问题存在有效算法，那么NP完全问题都存在有效算法。
(3)有几个NP完全问题类似于（但有不完全同于）一些有着已知有效算法的问题。

3.几个排序算法效率回顾：
(1)稳定排序：
插入排序：

插入排序算法伪代码：for j = 2 to A.length-1    key = A[j]    i = j - 1    while i > 0 and A[i] > key        A[i+1] = A[i]        i = i - 1    A[i + 1] = key  

简述：最好情况下，序列已经是有序排列的了，这种情况下，需要进行比较操作需（n-1）次即可。最坏情况下，序列是降序排列的，那么此时需要进行比较共有 n(n-1)/2次。所以最差时间复杂度为 O（nn),最优时间复杂度为 O(n),平均时间复杂度为 O(nn)。最差空间复杂度为 O（n),需要辅助空间度为 O（1）

冒泡排序：

冒泡排序算法伪代码：for i=1 to A.length-1    for j = i-1 to A.length-2        if(A[j] > A[j+1])            swap(A[j],A[j+1])

简述：冒泡排序在最好情况下（序列已经有序）和最坏情况下的时间负责度都是O（n*n），所以看插入排序在序列相对有序的情况下，性能会优于冒泡排序。

桶排序：

桶排序算法伪代码：for i = 0 to A.length-1    //将链表中的元素按照function指定的规则放入桶中    put A[i] to bucket[function(A[i])]for j = 0 to buctkets.length-1    //插入排序对每个桶进行排序    insertSort(bucket[j])//将各个桶中的元素join在一起join(bucket[j])

简述：桶排序的平均时间复杂度为线性的O（N+C），其中C=N（logN - logM） N是待排序的数列的长度，M是桶的个数。ps：桶的数量M越大，其效率就越高，最好的时间复杂度达到O（N）。桶排序的空间复杂度为O（N+M）。

计数排序(Counting sort)：

COUNTING-SORT(A,B,k)    let C[0..k] be a new array    //初始化数组    for i = 0 to k        C[i] = 0    //将A[j]出现的次数记录在C[A[j]]的位置    for j = 1 to A.length        C[A[j]] = C[A[j]] + 1    //将相邻两项相加，保存在当前项，这个主要用来处理重复值    for i = 1 to k        C[i] = C[i] + C[i-1]    //遍历原来的数据，将其排序    for j = A.length downto 1        B[C[A[j]] = A[j]        C[A[j]] = C[A[j]]-1

简述：这个伪代码看起来比较难理解，（详细解释可以参考算法导论第三版P109）。计数排序不是一个比较的排序算法，其最差、最优、平均时间复杂度均为 O（n+k),最差空间复杂度为O（n+k)。计数排序效率优于任何比较排序算法，因为其不是比较排序算法，所以也就突破了排序算法Ω（nlgn）的限制。
ps:算法通俗的理解就是：例如有10个年龄不同的人，统计出有8个人的年龄比A小，那么A的年龄就排在第9位。

4.最大子数组：在一个数据中，相邻的几个元素的和最大的子数据组称为元数组的最大子数组。

5.矩阵乘法的定义：若A=a(ij)和B=b（ij)是nn的方阵，则对i，j=1,2，...,n,定义乘积 C=AB中元素c（ij)为：

矩阵乘法运算伪代码：n = A.rowslet C be a new n*n matrixfor i = 1 to n    for j = 1 to n        c(ij) = 0        for k = 1 to n            c(ij) = c(ij)+a(ik)*b(kj)return C