Мы будем считать, что исходные данные представлены последовательностью битов. Например, натуральные числа 1, 2, 3, … обычно представляют битовыми строками 1, 10, 11, 100, … Т.о. мы превращаем любую задачу в строковую, для которой входным данным является битовая строка, представляющая исходное данное абстрактной задачи. Естественно считать размером строковой задачи длину строки.

алгоритм решает строковую задачу за время Ο(T(n)), на входном данном битовой строки длины n алгоритм работает время Ο(T ( n ) ) Говорят, что алгоритм решает строковую задачу за время Ο(T(n)), если на входном данном битовой строки длины n алгоритм работает время Ο(T ( n ) ). резко ускорило скорость вычислений значение эффективных алгоритмов Развитие компьютерных технологий резко ускорило скорость вычислений, но это не уменьшило значение эффективных алгоритмов, а НАОБОРОТ! Компьютеры работают все быстрее мы можем решать все большие задачи. зависитувеличение размера задачи Оказывается, именно от сложности алгоритма зависит то увеличение размера задачи, которое можно достичь с увеличением скорости машины.

Кубическаяпарабола Парабола растет со скоростью меньшей, чем кубическая парабола Кубическая парабола растет со скоростью меньшей, чем степенная функция, начиная с n=10

Рассмотрим 5 алгоритмов Алгоритм Асимптотическая временная сложностьA1Ο(n) A2 Ο(n log n) A3 Ο(n 2 ) A4 Ο(n 3 ) A5 Ο(2 n ) функция, возвращающая время работы алгоритма Пусть единицей времени будет одна миллисекунда и мультипликативные константы в точных оценках временной сложности во всех алгоритмах равны 1.

Алгоритм A1 может обработать за одну секунду вход размера 1000, в то время как A5 – вход размера не более 9. Алгоритм Асимптотическая временная сложностьA1Ο(n) A2 Ο(n log n) A3 Ο(n 2 ) A4 Ο(n 3 ) A5 Ο(2 n ) Строка из n бит Обрабатывается за время f(n) = O( T(n)) в миллисекундах в миллисекундах f(n) = 1000 ( мсек ) Единица времени = 1 миллисекунда Мультипликативные константы = 1.

Алгоритм Асимптотическая временная сложность Максимальный размер задачи 1 сек 1 мин 1 час A1Ο(n) A2 Ο(n log n) A3 Ο(n 2 ) A4 Ο(n 3 ) A5 Ο(2 n ) В таблице приведены размеры задач, которые можно решить за одну секунду, одну минуту и один час каждым из этих пяти алгоритмов. Границы размеров задач, определяемые скоростью роста сложности.

Эффект десятикратного ускорения Предположим, что следующее поколение компьютеров будет в 10 раз быстрее нынешнего. В таблице показано, как возрастут размеры задач, которые мы сможем решить благодаря этому увеличению скорости. Эффект десятикратного ускорения

Вместо эффекта увеличения скорости рассмотрим теперь эффект применения более действенного алгоритма. 1 мин, Если в качестве основы для сравнения взять 1 мин, то, заменяя алгоритм A4 алгоритмом A3, можно решить задачу в 6 раз большую, а заменяя A4 на A2, можно решить задачу, большую в 125 раз. Алгоритм Асимптотическая временная сложность Максимальный размер задачи 1 сек 1 мин 1 час A1Ο(n) A2 Ο(n log n) A3 Ο(n 2 ) A4 Ο(n 3 ) A5 Ο(2 n ) 91521

двукратное улучшение за счет десятикратного увеличения скорости. Эти результаты производят гораздо большее впечатление, чем двукратное улучшение, достигаемое за счет десятикратного увеличения скорости. 1 ч, Если в качестве основы для сравнения взять 1 ч, то различие оказывается еще значительнее. которая обещает стать еще важнее при последующем увеличении скорости вычислений. Отсюда мы заключаем, что асимптотическая скорость алгоритма служит важной мерой качественности алгоритма, причем такой мерой, которая обещает стать еще важнее при последующем увеличении скорости вычислений. Эффект применения более действенного алгоритма.

больший порядок сложности алгоритма может иметь меньшую мультипликативную постоянную, чем малый порядок роста сложности другого алгоритма. Несмотря на то, что основное внимание здесь уделяется порядку роста величин, надо понимать, что больший порядок сложности алгоритма может иметь меньшую мультипликативную постоянную, чем малый порядок роста сложности другого алгоритма. алгоритм с быстро растущей сложностью может оказаться предпочтительнее для задач с малым размеромдаже для всех задач, которые нас интересуют. В таком случае алгоритм с быстро растущей сложностью может оказаться предпочтительнее для задач с малым размером – ИНОГДА даже для всех задач, которые нас интересуют.

Сложность задач Сложность задачиасимптотическая временная сложность наилучшего алгоритма, известного для ее решения. Сложность задачи – это асимптотическая временная сложность наилучшего алгоритма, известного для ее решения. Основной вопрос теории сложности : Основной вопрос теории сложности : насколько успешно ( или с какой стоимостью ) может быть решена заданная проблема Q? Мы не имеем в виду никакого конкретного алгоритма решения Q. Наша цель – рассмотреть все возможные алгоритмы решения Q и попытаться сформулировать утверждение о вычислительной сложности самой проблемы Q. алгоритм A для Q нижняя оценка. В то время как всякий алгоритм A для Q дает верхнюю оценку величины сложности Q, нас интересует нижняя оценка. нижней оценки Знание нижней оценки представляет интерес математически и, кроме того, руководит нами в поиске хороших алгоритмов, указывая, какие попытки заведомо будут безуспешны.

Сложность задач Быстрыми являются линейные алгоритмы, которые обладают сложностью порядка Ο (n), где n – размерность входных данных. К линейным алгоритмам относится школьный алгоритм нахождения суммы десятичных чисел, состоящих из n1 и n2 цифр. Сложность этого алгоритма – Ο (n1 + n2). Есть алгоритмы, которые быстрее линейных, например, алгоритм двоичного поиска в линейном упорядоченном массиве имеет сложность Ο (log n), n – длина массива. Другие хорошо известные алгоритмы – деление, извлечение квадратного корня, решение систем линейных уравнений и др. – попадают в более общий класс полиномиальных алгоритмов.

Сложность задач. Класс Р Полиномиальным алгоритмом ( или алгоритмом полиномиальной временной сложности, или алгоритмом принадлежащим классу P) у которого временная сложность равна Ο (n k ) Полиномиальным алгоритмом ( или алгоритмом полиномиальной временной сложности, или алгоритмом принадлежащим классу P) называется алгоритм, у которого временная сложность равна Ο (n k ), где k – положительное целое число. Алгоритмы, для временной сложности которых не существует такой оценки, называются экспоненциальными и такие задачи считаются труднорешаемыми. Понятие полиномиально разрешимой задачи принято считать уточнением идеи « практически разрешимой » задачи. Почему ?

Сложность задач. Класс Р Во - первых, используемые на практике полиномиальные алгоритмы обычно действительно работают довольно быстро. Конечно, трудно назвать практически разрешимой задачу, которая требует времени Θ (n 100 ). Однако полиномы такой степени в реальных задачах почти не встречаются. Второй аргумент в пользу рассмотрения класса полиномиальных алгоритмов – тот факт, что объем этого класса не зависит от выбора конкретной модели вычислений ( для достаточно широкого класса моделей ). Например, класс задач, которые могут быть решены за полиномиальное время на последовательной машине с произвольным доступом (RAM), совпадает с классом задач, полиномиально разрешимых на машинах Тьюринга. В - третьих, класс полиномиально разрешимых задач обладает естественными свойствами замкнутости. Например, композиция двух полиномиальных алгоритмов ( выход первого алгоритма подается на вход второго ) также работает полиномиальное время. Объясняется это тем, что сумма, произведение и композиция многочленов снова есть многочлен.

Сложность задач. Класс Р Приведем примеры классификации задач по их сложности. Класс P 1. Рассортировать множество из n чисел. Сложность поведения в среднем порядка Ο (n log n) для быстрого алгоритма Хоара. 2. Найти эйлеровый цикл на графе из m ребер. В силу теоремы Эйлера мы имеем необходимое и достаточное условие для существования эйлерова цикла и проверка этого условия есть алгоритм порядка Ο (m). 3. Задача Прима - Краскала. Дана плоская страна и в ней n городов. Нужно соединить все города телефонной связью так, чтобы общая длина телефонных линий была минимальной. В терминах теории графов задача Прима - Краскала выглядит следующим образом : Дан граф с n вершинами ; длины ребер заданы матрицей (d[i,j]), i,j = 1,...,n. Найти остовное дерево минимальной длины. Эта задача решается с помощью жадного алгоритма сложности Ο (n log n). 4. Кратчайший путь на графе, состоящем из n вершин и m ребер. Сложность алгоритма Ο (m n).

Сложность задач. Класс Р 5. Связные компоненты графа. Определяются подмножества вершин в графе ( связные компоненты ), такие, что две вершины, принадлежащие одной и той же компоненте, всегда связаны цепочкой дуг. Если n – количество вершин, а m – количество ребер, то сложность алгоритма Ο (n+m) 6. Быстрое преобразование Фурье, требующее Ο (n log n) арифметических операций, – один из наиболее часто используемых алгоритмов в научных вычислениях. 7. Умножение целых чисел. Алгоритм Шёнхаге - Штрассена. Сложность алгоритма порядка Ο (n log n log log n). Отметим, что школьный метод для умножения двух n- разрядных чисел имеет сложность порядка Ο (n 2 ). 8. Умножение матриц. Алгоритм Штрассена имеет сложность порядка Ο (n log 7 ), для умножения двух матриц размера n х n. Очевидный алгоритм имеет порядок сложности Ο (n 3 ).

Сложность задач. Класс Е Класс E: задачи, экспоненциальные по природе К экспоненциальным задачам относятся задачи, в которых требуется построить множество всех подмножеств данного множества, все полные подграфы некоторого графа или же все поддеревья некоторого графа. Существует масса примеров задач с экспоненциальной сложностью. Например, чтобы вычислить для заданного натурального k, нам только для записи конечного ответа потребуется около 2 n шагов ( где n – число цифр в двоичной записи k), не говоря даже о самом вычислении.

Сложность задач Задачи не попадающие ни в класс P, ни в класс E На практике существуют задачи, которые заранее не могут быть отнесены ни к одному из рассмотренных выше классов. Хотя в их условиях не содержатся экспоненциальные вычисления, однако для многих из них до сих пор не разработан эффективный ( т. е. полиномиальный ) алгоритм. К этому классу относятся задачи : 1. задача о выполнимости : существует ли для данной булевской формулы, находящейся в КНФ, такое распределение истинностных значений, что она имеет значение истина ? 2. задача коммивояжера ( Коммивояжер хочет объехать все города, побывав в каждом ровно по одному разу, и вернуться в город, из которого начато путешествие. Известно, что переезд из города i в город j стоит c(i, j) рублей. Требуется найти путь минимальной стоимости.); 3. решение систем уравнений с целыми переменными ;

Сложность задач Задачи не попадающие ни в класс P, ни в класс E 4. составление расписаний, учитывающих определенные условия ; 5. размещение обслуживающих центров ( телефон, телевидение, срочные службы ) для максимального числа клиентов при минимальном числе центров ; 6. оптимальная загрузка емкости ( рюкзак, поезд, корабль, самолёт ) при наименьшей стоимости ; 7. оптимальный раскрой ( бумага, картон, стальной прокат, отливки ), оптимизация маршрутов в воздушном пространстве, инвестиций, станочного парка ; 8. задача распознавания простого числа ; самый лучший в настоящее время тест на простоту имеет сложность порядка Ο (L(n)L(L(L(n)))), где L(n) – количество цифр в числе n ( выражение L(L(L(n))) стремится к бесконечности очень медленно ; первое число, для которого L(L(L(n))) = 2, равно )