0301渐进记号-函数的增长-算法导论第三版

2024-04-21 14:52

本文主要是介绍0301渐进记号-函数的增长-算法导论第三版,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

1、前言

用来描述算法渐进运行时间的记号根据定义域为自然数集 N = { 0 , 1 , 2 , ⋯ } N=\{0,1,2,\cdots\} N={0,1,2,}的函数来定义。这样的记号对描述最坏情况下的运行时间函数T(n)是方便的,因为该函数通常只定义在整数输入规模上。然而,我们发现有时按各种方式活用渐进记号是方便的。例如,我们可以扩展该记号到实数域或者选择性地限制其到自然数的一个子集。然而,我们应该确保能理解该记号的精确含义,以便在活用时不会误用它。本节将定义一些基本的渐进记号,并介绍一些常见的活用法。

2、渐进记号、函数与运行时间

我们主要使用渐进记号来描述算法的运行时间,渐进记号实际上应用于函数。回顾一下,我们曾把插入排序的最坏情况运行时间刻画为 a n 2 + b n + c , 其中 a 、 b 和 c an^2+bn+c,其中a、b和c an2+bn+c,其中abc是常量。通过把插入排序的运行时间写成 Θ ( n 2 ) \Theta(n^2) Θ(n2),我们除去了该函数的某些细节。因为渐进记号适用于函数,我们所写成的 Θ ( n 2 ) \Theta(n^2) Θ(n2)就是函数 a n 2 + b n + c an^2+bn+c an2+bn+c,所以上述情况碰巧刻画了插入排序的最坏情况运行时间。

我们使用渐进记号的函数通常刻画算法的运行时间,也可刻画算法的其他方面(例如,算法使用的空间数量)。

我们使用渐进记号的函数完全适合刻画任何输入的运行时间,不仅仅是最坏情况下的运行时间。

3、 Θ \Theta Θ记号

插入排序最坏情况下运行时间为 T ( n ) = Θ ( n 2 ) T(n)=\Theta(n^2) T(n)=Θ(n2),下面定义这个记号。对于一个给定的函数 g ( n ) , 用 Θ ( g ( n ) ) g(n),用\Theta(g(n)) g(n),Θ(g(n))来表示一下函数的集合
Θ [ g ( n ) ] = { f ( n ) : 存在正常量 c 1 , c 2 和 n 0 , 使得对所有 n ≥ n 0 , 有 0 ≤ c 1 g ( n ) ≤ f ( n ) ≤ c 2 g ( n ) } \Theta[g(n)]=\{f(n):存在正常量c_1,c_2和n_0,\\ 使得对所有n\ge n_0,有\\ 0\le c_1g(n)\le f(n)\le c_2g(n)\} Θ[g(n)]={f(n):存在正常量c1,c2n0使得对所有nn0,0c1g(n)f(n)c2g(n)}
若存在正常量 c 1 和 c 2 c_1和c_2 c1c2,使得对于足够大的n,函数 f ( n ) f(n) f(n)能介入 c 1 g ( n ) 和 c 2 g ( n ) c_1g(n)和c_2g(n) c1g(n)c2g(n)之间,则 f ( n ) f(n) f(n)属于集合 Θ [ g ( n ) ] \Theta[g(n)] Θ[g(n)]。因为 Θ [ g ( n ) ] \Theta[g(n)] Θ[g(n)]是一个集合,可以记 f ( n ) ∈ Θ [ g ( n ) ] f(n)\in \Theta[g(n)] f(n)Θ[g(n)],作为替代,我们通常记 f ( n ) = Θ [ g ( n ) ] f(n)=\Theta[g(n)] f(n)=Θ[g(n)]表达相同概念。

在这里插入图片描述

上图1 为函数 f ( n ) = Θ [ g ( n ) ] f(n)=\Theta[g(n)] f(n)=Θ[g(n)]。对于 n ≥ n 0 , c 1 g ( n ) ≤ f ( n ) ≤ c 2 g ( n ) n\ge n_0,c_1g(n)\le f(n)\le c_2g(n) nn0,c1g(n)f(n)c2g(n)。换句话说,当 n ≥ n 0 n\ge n_0 nn0,在一个常量因子内 f ( n ) 等于 g ( n ) f(n)等于g(n) f(n)等于g(n)。我们称 g ( n ) 是 f ( n ) g(n)是f(n) g(n)f(n)的一个 渐进紧确界

Θ [ g ( n ) ] \Theta[g(n)] Θ[g(n)]的定义要求每个成员 f ( n ) ∈ Θ [ g ( n ) ] f(n)\in \Theta[g(n)] f(n)Θ[g(n)]均为渐进非负,即当n足够大时, f ( n ) f(n) f(n)非负。(渐进正函数就是对于所有足够大的n均为正的函数)因此,函数 g ( n ) g(n) g(n)本身必为渐进非负,复制集合 Θ [ g ( n ) ] \Theta[g(n)] Θ[g(n)]为空。我们假设用在 Θ \Theta Θ中的每个函数均渐进非负,对其他渐进记号成立。

示例1 使用形式化定义证明 1 2 n 2 − 3 n = Θ ( n 2 ) \frac{1}{2}n^2-3n=\Theta(n^2) 21n23n=Θ(n2)
证明:假设存在正常量 c 1 , c 2 , n 0 ,使得对所有 n ≥ n 0 , 有 c 1 n 2 ≤ 1 2 n 2 − 3 n ≤ c 2 n 2 n 2 除上式得 c 1 ≤ 1 2 − 3 n ≤ c 2 如下图所示,对于 n > 0 , c 2 ≥ 1 2 , 可以使不等式对于任何 n ≥ 1 成立 取 c 1 ≤ 1 14 , 使左边不等式对于任何 n ≥ 7 成立 ∴ 令 c 1 = 1 14 , c 2 = 1 2 , n 0 = 7 证明:假设存在正常量c_1,c_2,n_0,使得对所有n\ge n_0,有\\ c_1n^2\le \frac{1}{2}n^2-3n\le c_2n^2\\ n^2除上式得\\ c_1\le\frac{1}{2}-\frac{3}{n}\le c_2\\ 如下图所示,对于n\gt0,c_2\ge\frac{1}{2},可以使不等式对于任何n\ge 1成立\\ 取c_1\le \frac{1}{14},使左边不等式对于任何n\ge 7成立\\ \therefore 令c_1=\frac{1}{14},c_2=\frac{1}{2},n_0=7\\ 证明:假设存在正常量c1,c2,n0,使得对所有nn0,c1n221n23nc2n2n2除上式得c121n3c2如下图所示,对于n>0,c221,可以使不等式对于任何n1成立c1141,使左边不等式对于任何n7成立c1=141,c2=21,n0=7
在这里插入图片描述

  • 对于 0 ≤ c 1 ≤ 1 14 , c 2 ≥ 1 2 0\le c_1\le \frac{1}{14},c_2\ge \frac{1}{2} 0c1141,c221等式都是成立的,重要使得存在某个选择。

一个渐进正函数的低阶项在确定渐进确界是可以忽略,最高阶项的系数同样可以被忽略,因为它仅仅根据一个等于该系数的常量因子来改变 c 1 和 c 2 c_1和c_2 c1c2,证明参考书籍P27部分。

4、 O \Omicron O记号

Θ \Theta Θ记号渐进地给出了一个函数的上界和下界。当只有一个渐进上界时,使用 O \Omicron O记号。对于给定的函数 g ( n ) g(n) g(n),用 O [ g ( n ) ] \Omicron[g(n)] O[g(n)],来表示函数的集合:

O [ g ( n ) ] = { f ( n ) : 存在正常量 c 和 n 0 , 使得对所有 n ≥ n 0 , 有 0 ≤ f ( n ) ≤ c g ( n ) } \Omicron[g(n)]=\{f(n):存在正常量c和n_0,使得对所有n\ge n_0,有0\le f(n)\le cg(n)\} O[g(n)]={f(n):存在正常量cn0,使得对所有nn0,0f(n)cg(n)}

我们记 f ( n ) = O [ g ( n ) ] f(n)=\Omicron[g(n)] f(n)=O[g(n)]以指出函数 f ( n ) f(n) f(n)是集合 O [ g ( n ) ] \Omicron[g(n)] O[g(n)]的成员。注意, f ( n ) = Θ [ g ( n ) ] f(n)=\Theta[g(n)] f(n)=Θ[g(n)]蕴含着 f ( n ) = O [ g ( n ) ] f(n)=\Omicron[g(n)] f(n)=O[g(n)],因为 Θ \Theta Θ是一个比 O \Omicron O记号更强的一个概念(范围更小)。按集合论的写法,我们有 Θ [ g ( n ) ] ⊆ O [ g ( n ) ] \Theta[g(n)]\sube \Omicron[g(n)] Θ[g(n)]O[g(n)]

既然 O \Omicron O描述上界,那么当用它来限制算法的最坏情况下运行时间时,关于算数在每个输入上的云之家,我们也有一个界,这就是前面讨论的综合性论述。因此,对插入排序的的最坏情况运行时间的界 O ( n 2 ) \Omicron(n^2) O(n2)也适用于对每个输入的运行时间。然而,对插入排序的最坏情况运行时间的界 Θ ( n 2 ) \Theta(n^2) Θ(n2)并未暗示插入排序对每个输入的运行时间的界也是 Θ ( n 2 ) \Theta(n^2) Θ(n2)。例如当输入以排好序时,插入排序的运行时间为 Θ ( n ) \Theta(n) Θ(n)

从技术上看,称插入排序的运行时间为 O ( n 2 ) \Omicron(n^2) O(n2)有点不合适,因为对给定的n,实际的运行时间是变化的,依赖于规模为n的特定输入。当我们说运行时间为 O ( n 2 ) \Omicron(n^2) O(n2)时,意指存在一个 O ( n 2 ) 的函数 f ( n ) \Omicron(n^2)的函数f(n) O(n2)的函数f(n),使得对n的任意值,不管选择的什么特定的规模为n的输入,其运行时间的上界都是 f ( n ) f(n) f(n)

5、 Ω \Omega Ω记号

O \Omicron O记号提供了一个函数的渐进上界, Ω \Omega Ω记号提供了 渐进下界。对于给定的函数 g ( n ) g(n) g(n),用 Ω [ g ( n ) ] \Omega[g(n)] Ω[g(n)]表示一下函数的集合:

Ω [ g ( n ) ] = { f ( n ) : 存在正常数 c 和 n 0 , 使得对所有 n ≥ n 0 ,有 0 ≤ c g ( n ) ≤ f ( n ) } \Omega[g(n)]=\{f(n):存在正常数c和n_0,使得对所有 n\ge n_0,有0\le cg(n)\le f(n)\} Ω[g(n)]={f(n):存在正常数cn0,使得对所有nn0,有0cg(n)f(n)}

6、定理3.1

定理3.1 对任意两个函数 f ( n ) 和 g ( n ) f(n)和g(n) f(n)g(n),我们有 f ( n ) = Θ [ g ( n ) ] f(n)=\Theta[g(n)] f(n)=Θ[g(n)],当且仅当 f ( n ) = O [ g ( n ) ] 和 f ( n ) = Ω [ g ( n ) ] f(n)=\Omicron[g(n)]和f(n)=\Omega[g(n)] f(n)=O[g(n)]f(n)=Ω[g(n)].

7、等式和不等式中的渐进记号

当渐进记号独立于等式(或不等式)的右边(即不在一个更大的公式内)时,如在 n = O ( n 2 ) n=\Omicron(n^2) n=O(n2)中,我们已经定义等号意指集合的成员关系; n ∈ O ( n 2 ) n\in \Omicron(n^2) nO(n2)

当渐进记号出现在某个公式中时,我们将其解释为代表某个我们不关注名称的匿名函数。

  • 示例:公式 2 n 2 + 3 n + 1 = 2 n 2 + Θ ( n ) 2n^2+3n+1=2n^2+\Theta(n) 2n2+3n+1=2n2+Θ(n),意指 2 n 2 + 3 n + 1 = 2 n 2 + f ( n ) , f ( n ) 是集合 Θ ( n ) 2n^2+3n+1=2n^2+f(n),f(n)是集合\Theta(n) 2n2+3n+1=2n2+f(n),f(n)是集合Θ(n)的中的某个函数。
  • 作用:消除一个等式中无关紧要的细节和混乱。例如,归并排序中最坏情况运行时间表示为递归式 T ( n ) = 2 T ( n 2 ) + Θ ( n ) T(n)=2T(\frac{n}{2})+\Theta(n) T(n)=2T(2n)+Θ(n).

一个表达中的匿名函数的数目可以理解为等于渐进记号出现的次数。

  • 示例:在表达式 ∑ i = 1 n O ( i ) \sum_{i=1}^n\Omicron(i) i=1nO(i)中,只有一个匿名函数(一个i的函数)。因此,这个表达式不等于 O ( 1 ) + O ( 2 ) + ⋯ + O ( n ) \Omicron(1)+\Omicron(2)+\cdots+\Omicron(n) O(1)+O(2)++O(n),后者没有一个清晰的解释。

当渐进记号出现咋等式的左边意指:物流怎么样选择等号左边的匿名函数,总有一种方法来选择等号右边的匿名函数使等式成立。

  • 示例: 2 n 2 + Θ ( n ) = Θ ( n 2 ) 2n^2+\Theta(n)=\Theta(n^2) 2n2+Θ(n)=Θ(n2),对任意函数 f ( n ) ∈ Θ ( n ) f(n)\in \Theta(n) f(n)Θ(n),存在某个函数 g ( n ) ∈ Θ ( n 2 ) g(n)\in \Theta(n^2) g(n)Θ(n2),使得对所有的n,有 2 n 2 + f ( n ) = g ( n ) 2n^2+f(n)=g(n) 2n2+f(n)=g(n)

等式右边比左边提供的细节更 粗糙

示例: 2 n 2 + 3 n + 1 = 2 n 2 + Θ ( n ) = Θ ( n 2 ) 2n^2+3n+1=2n^2+\Theta(n)=\Theta(n^2) 2n2+3n+1=2n2+Θ(n)=Θ(n2)
KaTeX parse error: Can't use function '$' in math mode at position 177: …)=h(n)\\ 这种解释包含$̲2n^2+3n+1=\Thet…

8、 ο \omicron ο记号

ο \omicron ο记号提供的渐进上界可能是也可能不是渐进紧确的。界 2 n 2 = O ( n 2 ) 2n^2=\Omicron(n^2) 2n2=O(n2)是渐进紧确的,当是界 2 n = O ( n 2 ) 2n=\Omicron(n^2) 2n=O(n2)不是。我们使用 ο \omicron ο记号来表示一个非渐进紧确的上界。形式化定义 ο [ g ( n ) ] \omicron[g(n)] ο[g(n)]为一下集合:

ο [ g ( n ) ] = { f ( n ) : ∀ c > 0 , ∃ n 0 , 当 n ≥ n 0 , 有 o ≤ f ( n ) < c g ( n ) } \omicron[g(n)]=\{f(n): \forall c\gt 0,\exist n_0,当n\ge n_0,有o\le f(n)\lt cg(n)\} ο[g(n)]={f(n):c>0,n0,nn0,of(n)<cg(n)}

9、 ω \omega ω记号

ω \omega ω记号与 Ω \Omega Ω记号的关系类似于 ο \omicron ο记号与 O \Omicron O记号的关系。我们使用 ω \omega ω记号来表示一个非渐进紧确的下界,形式化的定义 ω [ g ( n ) ] \omega[g(n)] ω[g(n)]为一下集合:

ω [ g ( n ) ] = { f ( n ) : ∀ c > 0 , ∃ n 0 , 当 n ≥ n 0 , 有 o ≤ c g ( n ) < f ( n ) } \omega[g(n)]=\{f(n): \forall c\gt 0,\exist n_0,当n\ge n_0,有o\le cg(n)\lt f(n)\} ω[g(n)]={f(n):c>0,n0,nn0,ocg(n)<f(n)}

10、比较各种函数

实数的许多关系性质也适用于渐进比较。下面假定 f ( n ) 和 g ( n ) f(n)和g(n) f(n)g(n)渐进为正。

10.1 传递性
  • f ( n ) = Θ [ g ( n ) ] 且 g ( n ) = Θ [ h ( n ) ] ⇒ f ( n ) = Θ [ h ( n ) ] f(n)=\Theta[g(n)]且g(n)=\Theta[h(n)] \Rightarrow f(n)=\Theta[h(n)] f(n)=Θ[g(n)]g(n)=Θ[h(n)]f(n)=Θ[h(n)]
  • f ( n ) = O [ g ( n ) ] 且 g ( n ) = Θ [ h ( n ) ] ⇒ f ( n ) = O [ h ( n ) ] f(n)=\Omicron[g(n)]且g(n)=\Theta[h(n)] \Rightarrow f(n)=\Omicron[h(n)] f(n)=O[g(n)]g(n)=Θ[h(n)]f(n)=O[h(n)]
  • f ( n ) = Ω [ g ( n ) ] 且 g ( n ) = Θ [ h ( n ) ] ⇒ f ( n ) = Ω [ h ( n ) ] f(n)=\Omega[g(n)]且g(n)=\Theta[h(n)] \Rightarrow f(n)=\Omega[h(n)] f(n)=Ω[g(n)]g(n)=Θ[h(n)]f(n)=Ω[h(n)]
  • f ( n ) = ω [ g ( n ) ] 且 g ( n ) = Θ [ h ( n ) ] ⇒ f ( n ) = ω [ h ( n ) ] f(n)=\omega[g(n)]且g(n)=\Theta[h(n)] \Rightarrow f(n)=\omega[h(n)] f(n)=ω[g(n)]g(n)=Θ[h(n)]f(n)=ω[h(n)]
  • f ( n ) = ω [ g ( n ) ] 且 g ( n ) = Θ [ h ( n ) ] ⇒ f ( n ) = ω [ h ( n ) ] f(n)=\omega[g(n)]且g(n)=\Theta[h(n)] \Rightarrow f(n)=\omega[h(n)] f(n)=ω[g(n)]g(n)=Θ[h(n)]f(n)=ω[h(n)]
10.2 自反性
  • f ( n ) = Θ [ f ( n ) ] f(n)=\Theta[f(n)] f(n)=Θ[f(n)]
  • f ( n ) = O [ f ( n ) ] f(n)=\Omicron[f(n)] f(n)=O[f(n)]
  • f ( n ) = Ω [ f ( n ) ] f(n)=\Omega[f(n)] f(n)=Ω[f(n)]
10.3 对称性
  • f ( n ) = Θ [ g ( n ) ] 当且仅当 g ( n ) = Θ [ f ( n ) ] f(n)=\Theta[g(n)] 当且仅当 g(n)=\Theta[f(n)] f(n)=Θ[g(n)]当且仅当g(n)=Θ[f(n)]
10.4 转置对称
  • f ( n ) = O [ g ( n ) ] 当且仅当 g ( n ) = Ω [ f ( n ) ] f(n)=\Omicron[g(n)] 当且仅当 g(n)=\Omega[f(n)] f(n)=O[g(n)]当且仅当g(n)=Ω[f(n)]
  • f ( n ) = ο [ g ( n ) ] 当且仅当 g ( n ) = ω [ f ( n ) ] f(n)=\omicron[g(n)] 当且仅当 g(n)=\omega[f(n)] f(n)=ο[g(n)]当且仅当g(n)=ω[f(n)]

f ( n ) = ο [ g ( n ) ] f(n)=\omicron[g(n)] f(n)=ο[g(n)],则称 f ( n ) f(n) f(n)渐进小于 g ( n ) g(n) g(n);若 f ( n ) = ω [ g ( n ) ] f(n)=\omega[g(n)] f(n)=ω[g(n)],则称 f ( n ) f(n) f(n)渐进大于 g ( n ) g(n) g(n)

实数的下列性质不适用于渐进记号

10.5 三分性

对于任意的实数a和b,下列三种情况恰有一种必然成立 a < b , a = b 或者 a > b a\lt b,a=b或者a\gt b a<b,a=b或者a>b.

虽然任意两个实数都可以比较,但不是所有的函数都可渐进比较。

  • 示例: n 和 n 1 + sin ⁡ n n和n^{1+\sin n} nn1+sinn

结语

欢迎小伙伴一起学习交流,需要啥工具或者有啥问题随时联系我。

❓QQ:806797785

⭐️源代码地址:https://gitee.com/gaogzhen/algorithm

[1]算法导论(原书第三版)/(美)科尔曼(Cormen, T.H.)等著;殷建平等译 [M].北京:机械工业出版社,2013.1(2021.1重印).p25-30

[2]算法导论------渐近记号Θ、Ο、o、Ω、ω详解[CP/OL]

这篇关于0301渐进记号-函数的增长-算法导论第三版的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/923349

相关文章

Kotlin 作用域函数apply、let、run、with、also使用指南

《Kotlin作用域函数apply、let、run、with、also使用指南》在Kotlin开发中,作用域函数(ScopeFunctions)是一组能让代码更简洁、更函数式的高阶函数,本文将... 目录一、引言:为什么需要作用域函数?二、作用域函China编程数详解1. apply:对象配置的 “流式构建器”最

SpringBoot实现MD5加盐算法的示例代码

《SpringBoot实现MD5加盐算法的示例代码》加盐算法是一种用于增强密码安全性的技术,本文主要介绍了SpringBoot实现MD5加盐算法的示例代码,文中通过示例代码介绍的非常详细,对大家的学习... 目录一、什么是加盐算法二、如何实现加盐算法2.1 加盐算法代码实现2.2 注册页面中进行密码加盐2.

Android Kotlin 高阶函数详解及其在协程中的应用小结

《AndroidKotlin高阶函数详解及其在协程中的应用小结》高阶函数是Kotlin中的一个重要特性,它能够将函数作为一等公民(First-ClassCitizen),使得代码更加简洁、灵活和可... 目录1. 引言2. 什么是高阶函数?3. 高阶函数的基础用法3.1 传递函数作为参数3.2 Lambda

Java时间轮调度算法的代码实现

《Java时间轮调度算法的代码实现》时间轮是一种高效的定时调度算法,主要用于管理延时任务或周期性任务,它通过一个环形数组(时间轮)和指针来实现,将大量定时任务分摊到固定的时间槽中,极大地降低了时间复杂... 目录1、简述2、时间轮的原理3. 时间轮的实现步骤3.1 定义时间槽3.2 定义时间轮3.3 使用时

C++中::SHCreateDirectoryEx函数使用方法

《C++中::SHCreateDirectoryEx函数使用方法》::SHCreateDirectoryEx用于创建多级目录,类似于mkdir-p命令,本文主要介绍了C++中::SHCreateDir... 目录1. 函数原型与依赖项2. 基本使用示例示例 1:创建单层目录示例 2:创建多级目录3. 关键注

C++中函数模板与类模板的简单使用及区别介绍

《C++中函数模板与类模板的简单使用及区别介绍》这篇文章介绍了C++中的模板机制,包括函数模板和类模板的概念、语法和实际应用,函数模板通过类型参数实现泛型操作,而类模板允许创建可处理多种数据类型的类,... 目录一、函数模板定义语法真实示例二、类模板三、关键区别四、注意事项 ‌在C++中,模板是实现泛型编程

kotlin的函数forEach示例详解

《kotlin的函数forEach示例详解》在Kotlin中,forEach是一个高阶函数,用于遍历集合中的每个元素并对其执行指定的操作,它的核心特点是简洁、函数式,适用于需要遍历集合且无需返回值的场... 目录一、基本用法1️⃣ 遍历集合2️⃣ 遍历数组3️⃣ 遍历 Map二、与 for 循环的区别三、高

C语言字符函数和字符串函数示例详解

《C语言字符函数和字符串函数示例详解》本文详细介绍了C语言中字符分类函数、字符转换函数及字符串操作函数的使用方法,并通过示例代码展示了如何实现这些功能,通过这些内容,读者可以深入理解并掌握C语言中的字... 目录一、字符分类函数二、字符转换函数三、strlen的使用和模拟实现3.1strlen函数3.2st

MySQL中COALESCE函数示例详解

《MySQL中COALESCE函数示例详解》COALESCE是一个功能强大且常用的SQL函数,主要用来处理NULL值和实现灵活的值选择策略,能够使查询逻辑更清晰、简洁,:本文主要介绍MySQL中C... 目录语法示例1. 替换 NULL 值2. 用于字段默认值3. 多列优先级4. 结合聚合函数注意事项总结C

如何通过Golang的container/list实现LRU缓存算法

《如何通过Golang的container/list实现LRU缓存算法》文章介绍了Go语言中container/list包实现的双向链表,并探讨了如何使用链表实现LRU缓存,LRU缓存通过维护一个双向... 目录力扣:146. LRU 缓存主要结构 List 和 Element常用方法1. 初始化链表2.