算法基础知识.pptVIP

请认真复习！！！ 对一个程 序的空间复杂性感兴趣的主要原因 * 如果程序将要运行在一个多用户计算机系统中，可能需要指明分配给该程序的内存大小。 * 对任何一个计算机系统，想提前知道是否有足够可用的内存来运行该程序。 * 一个问题可能有若干个内存需求各不相同的解决方案。 * 可以利用空间复杂性来估算一个程序所能解决的问题的最大规模。 对一个程序的时 间复杂性感兴趣的主要原因 * 有些计算机需要用户提供程序运行时间的上限，一旦达到这个上限，程序将被强制结束。 * 正在开发的程序可能需要提供一个满意的实时响应。 * 如果有多种可选的方案来解决一个问题，那么具体决定采用哪一个主要基于这些方案之间的性能差异。 （1）加法规则: 设有两个程序段S1 和S2，其时间代价分别为T1(n)=O(g1(n))和T2(n)=O(g2(n)) ，将两个程序段连接在一起得到（S1 ：S2），则总的时间代价为: T(n) =T1(n)+ T2(n) =O(g1(n))+O(g2 (n)) =O(max{g1(n),g2 (n)}) （2）乘法规则:? 假设有T1(n)=O(g1(n)) 和T2(n)=O(g2(n)) ，如果一个程序的时间代价为T1(n)=O(g1(n)) ，但其时间单位并不是最基本的，而是以某个子程序的执行代价为单位时间（ T2(n)=O(g2(n)) ）来考虑的，那么这个程序的实际时间代价为: T(n) = T1(n)×T2(n) =O(g1(n)) ×O(g2 (n)) = O(g1(n) ×g2 (n)) 贪心算法的基本思想和特点 贪心算法用于求解具有以下两个特征的一类问题：有多个输入和一组约束条件。满足约束条件的任意一组输入称为问题的一组可行解；使目标函数达到最大或最小（根据实际问题的要求）的可行解称为最优解。贪心法用于求解的问题，其目标往往是求最优解。 贪心算法的基本思路是：分步进行，每步考察一个输入，输入值的确定是在满足约束条件的前提下保证取得局部最优解。贪心算法能否取得全局最优解，关键在于能否找到从局部最优导致全局最优的“贪心策略”。 证明 装载问题:设有n个集装箱,第i个集装箱的重量为wi(1≤i≤n),设船的载重量为c.试设计一装船的方法使得装入的集装箱数目最多.算法：首先按重量从小到大对集装箱排序并依次装入直到超过船的载重量.请使用调整法证明上述贪心法产生的解是优化解（箱子编号是排序后的顺序号） 证明（续） 设优化解为(y1,…,yn). 如优化解不含箱子1(y1=0), 将箱子1替换优化解中某一个箱子得到一个新的解. 替换是必须的: 因为如果箱子1还能装入船中, 则(y1,…,yn)不是优化的. 因为箱子1是最轻的,替换后的解仍是可行的. 替换后的解装入的箱子数等于优化的装箱数, 所以它仍是优化解. 替换后新的优化解和贪心解都包含箱子1. 反复替换将得到一个优化解,它等于贪心解. 替换次数是有穷的. 分治与递归算法的基本思路 对于一个规模为n的问题，如果可以直接解决，则直接解决之；否则，将该问题分解为若干个规模较小的子问题，这些子问题相互独立且与原问题性质相同，递归解决这些子问题，然后将它们的解合并，就可以得到原问题的解。可以发现，分治法解决一个问题通常可以分为“分”、“治”、“合”三个阶段，而且整个过程使用的是递归的思想。因此，通常都是用递归方式进行描述。 什么是最优化原理？ 最优化原理是指一个最优化策略具有这样的性质：不论过去的状态和策略如何，余下的决策必须相对于前一决策所产生的状态构成最优决策序列，也就是说，一个最优化策略的子策略总是最优的，问题的最优解可以通过其子问题的最优解构成。一个问题满足最优化原理又称其具有最优子结构性质。 动态规划的特点 从算法设计的角度看,动态规划是一种在各个不同大小的子问题的优化值之间建立递归关系并求解的过程. 能用动态规划求解的问题必须满足优化原理:优化解包含的子问题的解也是优化的. 利用优化原理,使用枚举法建立不同长度子问题的优化值之间的递归关系－动态规划方程. 动态规划得到的是精确解. 子问题的数目决定算法的复杂性. 回溯算法的基本思想和特点 回溯算法求解的问题的解可以表示成一个n维向量(x1,x2,…,xn)，其中xi∈Si。 回溯法求解的问题可以分为两种：一种是要求一个（或全部）可行解，另一种要求最优解。用回溯法求解问题的基本思路是：通过部分解向量逐步逐步增加可行分量来求出解向量。对于一个解向量(x1,x2,…,xn)，假设已经构造得到问题的部分解向量(x1,x2,…,xk)，(kn),在部分解向量(x1,x2,…,xk)的基础上，考虑第k+1个分量xk+1的一个取值，可能遇到下面的两种情况： 回溯