跳转到内容

平摊分析

本页使用了标题或全文手工转换
维基百科,自由的百科全书

平摊分析(英语:Amortized analysis)在计算机科学中,是用于算法分析中的方法,平摊分析常用于分析资料结构(动态的资料结构),在使用平摊分析前须知道资料结构各种操作所可能发生的时间,并计算出最坏情况下的操作情况并加以平均,得到操作的平均耗费时间。平摊分析只能确保最坏情况性能的每次操作耗费的平均时间,并不能确认平均情况性能。

一个简单的例子,一个长度为 的list,在list的最后要加入一笔新的资料此时要花费的操作时间为 ,此时也是加入新的资料的最糟糕的情况。但是,一个 个插入的操作序列仍然可以在 的时间内完成,因为剩下的插入可以在常数时间内完成,因此 个插入可以在 的时间内完成。因此每操作的平摊耗费为

注意平摊分析与平均时间分析和概率算法的概率分析不同。在平均时间分析中,我们平均化所有可能的输入;在概率算法的概率分析中,我们平均化所有可能的随机选择;在平摊分析中,我们平均化一系列操作的耗费。平摊分析假设的是最坏情况输入并且通常不运行随机选择。[1]

平摊分析中几种常用的技术:

  • 聚合分析决定 个操作序列的耗费上界 ,然后计算平均耗费为 [1]
  • 记账方法确定每个操作的耗费,结合它的直接执行时间及它在对运行时中未来操作的影响。通常来说,许多短操作增量累加成“债”,而通过减少长操作的次数来“偿还”。[1]
  • 势能方法类似记账方法,但通过预先储蓄“势能”而在需要的时候释放。[1]

平摊分析种类

[编辑]

聚集法(Aggregate method)

[编辑]

计算n个操作的时间复杂度上限T(n) 平摊T(n)至每一个操作,每一个操作的平摊成本是T(n)/n

记帐法(Accounting method)

[编辑]

执行花费较低的operations时先存credit未雨绸缪, 供未来花费较高的operations使用

对每个操作定义一个合法的平摊成本(amortized cost) 假设为第i个操作的actual cost,为第i个操作的amortized cost

,则credit=,我们把credit存起来(deposited),未来可以提取(withdraw) 若,则提取credit

设定每个操作的平摊成本(amortized cost)后,要做valid check确保credit不可以是0,也就是说

位能法(Potential method)

[编辑]

定义一个位能函数(potential function),将资料结构D(例如: 堆叠)的状态对应到一个实数

: 资料结构D的初始状态
: 资料结构D经过个操作后的状态
: 第个操作的actual cost
: 第个操作的amortized cost

定义

为了满足

我们定义 , 通常令

例子

[编辑]

堆叠(stack)的平摊分析

[编辑]

我们定义一个堆叠有下列操作

操作(operation) 说明 actual cost
S.push(x) 将一个元素x放入堆叠S中
S.pop() 把堆叠S中最上面的元素取出
S.multi-pop(k) 一次pop k个元素

S.mult-pop(k)的程式码如下

def multi_pop(k):
	while (not S.empty()) and (k>0):
		S.pop()
		k -= 1

接下来我们分别使用聚集法(aggregate method), 记帐法(Accounting method), 位能法(Potential method)求出"堆叠一个操作的平摊成本是O(1)"

使用聚集法(aggregate method)分析堆叠操作的平摊成本

[编辑]

是S.push(x)的执行次数,是S.pop()的执行次数,是S.multi-pop(k)的执行次数

为总执行次数
操作(operation) actual cost 执行次数
S.push(x)
S.pop()
S.multi-pop(k)

因为一个堆叠S如果是空的,就不能执行pop了,也就是说可以pop或multi-pop的元素个数不会超过S中push进去的元素个数

所以

假设是执行个操作的时间复杂度上限

所以堆叠一个操作的平摊成本为

使用记帐法(Accouting method)分析堆叠操作的平摊成本

[编辑]

我们假设S.push(x), S.pop(), S.multi-pop(k)的amortized cost分别为2, 0, 0,如下表所示

操作(operation) actual cost amortized cost
S.push(x) 1 2
S.pop() 1 0
S.multi-pop(k) 0
Valid Check
证明:
push进入堆叠S的元素会存入credit $1
pop(S), multi-pop(S, k) 会取出这些元素的credit $1

因此每个操作的平摊成本是O(1)


使用位能法(potential method)分析堆叠操作的平摊成本

[编辑]

我们定义位能函数为执行i个操作后,堆叠内的元素个数

,因为堆叠一开始是空的
,因为堆叠的元素个数一定

计算堆叠S每一个操作的平摊成本

操作(operation) 平摊成本(amortized cost)
S.push(x)
S.pop()
S.multi-pop(k)

总平摊成本 ,所以堆叠单一个操作的平摊成本是

动态数组

[编辑]
动态数组的平摊分析

考虑一个随元素个数增加而增长的动态数组,比如JavaArrayList或者C++std::vector。如果我们的数组大小从4开始,那么来向其中增加四个元素的时间就是一个常数。然而,若要将第五个元素加入其中,那么会花费更多时间,因为我们此时必须要创建一个两倍于当前数组大小的数组(8个元素),把老元素拷贝到新数组中,然后增加一个新元素。接下来的三次加入操作也同样会花费常数时间,然后在数组被填满后则又需要一轮新的加倍扩充。

一般地,如果我们考虑任意一个任意的n大小的数组并对其进行n + 1次加入操作。我们注意到,所有的加入操作都是常数时间的,除了最后一个,它会花费时间在大小加倍上。因为我们进行了n + 1次加入操作,我们可以将数组加倍的时间平摊到所有的加入操作上,因此得到加入操作的平均时间是。它是一个常数。[1]

队列

[编辑]

使用Ruby实现的伫列,一个先进先出资料结构:

class Queue
  def initialize
    @input = []
    @output = []
  end

  def enqueue(element)
    @input << element
  end

  def dequeue
    if @output.empty?
      while @input.any?
        @output << @input.pop
      end
    end

    @output.pop
  end
end

伫列操作及特性参考伫列条目,enqeue及deqeue操作时间复杂度为常数, 否则,dequeue需要时间将所有元素从输入数组添加到输出数组中,其中n是输入数组的当前长度。 从输入复制n元素后,我们可以在输出数组再次为空之前执行n出队操作,每次操作都需要一个恒定的时间。 因此,我们可以仅在时间执行一系列n出列操作,这意味著每个出列操作的摊销时间是[2]

或者,我们可以收取将任何项目从输入数组复制到输出数组的成本,以及该项目的早期排队操作。 该计费方案将入队的摊还时间加倍,但将出列的摊还时间减少到

通常用法

[编辑]
  • 在常见场合,我们把能很好平摊分析的算法称为“平摊算法”。
  • 在线算法通常使用平摊分析。

参考资料

[编辑]

[3]

  1. ^ 1.0 1.1 1.2 1.3 1.4 Kozen, Dexter. CS 3110 Lecture 20: Amortized Analysis. Cornell University. Spring 2011 [14 March 2015]. (原始内容存档于2018-10-03). 
  2. ^ Grossman, Dan. CSE332:Data Abstractions (PDF). cs.washington.edu. [2015年3月14日]. (原始内容存档 (PDF)于2015年4月2日). 
  3. ^ MIT 6.046J Design and Analysis of Algorithms, Spring 2015. MIT. [2018-10-21]. (原始内容存档于2018-11-25).