设算法A的时间复杂度可用递归式表示，算法B的时间复杂度可用递归表示，若要使得算法B渐进地快于算法A，则a的最大整数为（）

某算法的时间复杂度可用递归式[*],表示，若用[*]表示该算法的渐进时间复杂度的紧致界，则正确的是(62)。

A．(nlg2n)

B．(nlgn)

C．(n2)

D．(n3)

某算法的时间复杂度可用递归式[*],表示，若用[*]表示该算法的渐进时间复杂度的紧致界，则正确的是(62)。

A．(nlg2n)

B．(nlgn)

C．(n2)

D．(n3)

某算法的时间复杂度可用递归式表示，若用 表示，则正确的是（ ）

A.A

B.B

C.C

D.D

在某个算法时间复杂度递归式T(n)=T(n-1)+n，其中n为问题的规模，则该算法的渐进时间复杂度为（ ），若问题的规模增加了16倍，则运行时间增加（ ）倍。

A.Θ(n) B.Θ(nlgn) C.Θ(n2) D.Θ(n2lgn) A.16 B.64 C.256 D.1024

当n个整型数据是有序时，对这n个数据用快速排序算法排序，则时间复杂度是(1)，当用递归算法求n!时，算法的时间复杂度是(2)，则：(1)一(2)=( )。【南京理工大学1 999一、(6—7)(4分)】

A．O(n)

B．O(nlogn)

C．O)(n*n)

D．O(logn)

计算N!的递归算法如下，求解该算法的时间复杂度时，只考虑相乘操作，则算法的计算时间T(n)的递推关系式为(55)；对应时间复杂度为(56)。

int Factorial (int n)

{//计算n!

if(n＜=1)return 1;

else return n * Factorial(n-1);

}

(62)

A．T(n)=T(n-1)+1

B．T(n)=T(n-1)

C．T(n)=2T(n-1)+1

D．T(n)=2T(n-1)-1

考虑一个背包问题，共有n=5个物品，背包容量为W=10，物品的重量和价值分别为：w={2，2，6，5，4}，v={6,3，5，4，6}，求背包问题的最大装包价值。若此为0-1背包问题，分析该问题具有最优子结构，定义递归式为

其中c(i，j)表示i个物品、容量为j的0-1背包问题的最大装包价值，最终要求解c(n,W)。 采用自底向上的动态规划方法求解，得到最大装包价值为(62)，算法的时间复杂度为(63)。 若此为部分背包问题，首先采用归并排序算法，根据物品的单位重量价值从大到小排序，然后依次将物品放入背包直至所有物品放入背包中或者背包再无容量，则得到的最大装包价值为(64)，算法的时间复杂度为(65)。

A.11

B.14

C.15

D.16.67

两个矩阵Am*n和Bn*p相乘，用基本的方法进行，则需要的乘法次数为m*n*p 多个矩阵相乘满足结合律，不同的乘法顺序所需要的乘法次数不同。考虑采用动态规划方法确定Mi,M{i+i)，…，Mj多个矩阵连乘的最优顺序，即所需要的乘法次数最少。最少乘法次数用m[i，j]表示，其递归式定义为：其中i、j和k为矩阵下标，矩阵序列中Mi的维度为(Pi-i.)*Pi采用自底向上的方法:实现该算法来确定n个矩阵相乘的顺序，其时间复杂度为( 64 )。若四个矩阵M1. M2、M3.，M4相乘的维度序列为2、6、3、10.3，采用上述算法求解，则乘法次数为( 65 )。

A.O(N2)

B.O(N2Lgn)

C.O(N3)

D.O(n3lgn)