算法优化.pptVIP

算法优化 贾由 为什么先讲算法优化？ 算法优化不是高级算法 算法优化是关于算法的思维方式 化孤立为体系 主要意图 提供一些有普遍性、有启发性的优化模式 从一个已有算法，大概知道可以从哪些方面着手提高它的性能 内容框架 数据结构与优化 动态规划的优化 搜索的优化 贪心与优化 数据结构 两个启发性实例 块状链表（1） 向量 定位O(1)，增删O(n) 链表 定位O(n)，增删O(1) 块状链表 定位O(n1/2)，增删O(n1/2) 块状链表（2） 常被用在别的复杂算法中来降低复杂度 如LCA的O(n) – O(1)算法 后继数组（1） 问题：给一个纸条涂色，每次用某种颜色涂某个连续区间，问最后纸条上的颜色情况。（纸条长度L，涂色次数N） 朴素算法：O( L×N ) 线段树：O( logL×N ) 后继数组：O( L＋N ) 后继数组（2） 反向处理 加开一个一维数组，记录下一个未涂色点的位置 （NOI冬令营2005 朱泽园） 动态规划 两种优化模式 记忆化搜索（1） 填表式动态规划：需要求O(a×b)个值 记忆化搜索：仅求有用的 记忆化搜索（2） Int f(a, b) { if (memo[a][b]!=-1) return memo[a][b]; int result; …… // result = f(a,b) memo[a][b] = result; return result;} 四边形不等式 略 推荐文章 NOI冬令营2001 毛子青 NOI冬令营2006 黄劲松 搜索 更大的优化空间 搜索的优化 针对搜索的优化大都最终被体现在剪枝上 可行性剪枝 最优化剪枝 判重剪枝 可行性剪枝与最优化剪枝 与算法剪枝潜力息息相关的两个因素 搜索对象 通常难分优劣，只是寻求剪枝时的思维复杂性不同，依个人思维习惯而定 搜索顺序 关键因素 搜索对象 问题：Anniversary Cake 依次为每一个小蛋糕枚举位置？ 依次为大蛋糕上的位置枚举小蛋糕？ 关于搜索对象选择的经典题 IOI94 Buses 搜索顺序 大小顺序等 - 事先对枚举对象排序 例：小棍子拼大棍子 随机化 - 没感觉时的最佳选择 避免最坏情况 几乎总是能让搜索快一点 启发式 - 更仔细的判断 – 八数码 迭代加深、加宽 - Maximum clique ××× Maximum Clique (1) 问题：求给定图中最大完全子图（也叫最大团）中包含点的个数 朴素的搜索策略 枚举每一个点在团中与不在团中两种情况 总状态数为2N 相应剪枝 把剩余点都加入当前团也不比已有的最优解好 …… Maximum Clique (2) 迭代式的搜索 从一个点开始搜索－结果为1 每次加入一个点，第i次的搜索范围是i个点 前i个点中的最大团包含a[i]个点 在第i+1次搜索中最大团最多只会包含a[i]+1个点、最少也会有a[i]个点 一旦扩展到a[i]+1个点就结束，一旦发现最多只能扩展到a[i]个点就剪枝 判重剪枝 与前两种剪枝相比差别很大 通常只是简单地比较状态间外在的关系——是否相同 不涉及状态的后续发展问题 布尔数组、散列表、BST（状态不易编号） 常用技巧：统一处理本质相同的状态 例：八皇后 贪心 与优化的关系 贪心与优化 贪心常常是有针对性的，不是一种模式 加入贪心的本身通常就是一个优化 优化在很多时候就是加入贪心 完成任务 谢谢 * 0 0 60 4 0 61 3 1 2 At() Insert() Erase() Update() Max() Min() - RMQ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 × [5,8] 蓝色 9 9 9 9 1 2 3 4 5 6 7 8 9 10 11 12 13 14 0 [3,10] 红色 11 11 11 11 [7,11] 绿色 12 问题：