知识点算法设计和分析.docVIP

第一章 算法的特性 ①有穷性：一个算法必须保证执行有限步之后结束； ②确切性：算法的每一步骤必须有确切的定义； ③输入：一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定除了初始条件； ④输出：一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的； ⑤可行性：算法原则上能够精确地运行，而且人们用笔和纸做有限次运算后即可完成 第二章 分治策略（法）： 1.递归算法：直接或间接地调用自身的算法。 用函数自身给出定义的函数称为递归函数。 注：边界条件与递归方程是递归函数的二个要素。 实例：①阶乘函数； ②Fibonacci数列； ③Ackerman函数； ④排列问题； ⑤整数划分问题； ⑥Hanoi塔问题 优缺点：①优点：结构清晰，可读性强，而且容易用数学归纳法来证明算法的正确性，因此它为设计算法、调试程序带来很大方便。 ②缺点：递归算法的运行效率低，无论是耗费的计算时间还是占用的存储空间都比非递归算法要多。 2.分治法的设计思想：将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。（将求出的小规模的问题的解合并为一个更大规模的问题的解，自底向上逐步求出原来问题的解） 分治法所能解决的问题一般具有以下几个特征： ①该问题的规模缩小到一定的程度就可以容易地解决； ②该问题可以分为若干个规模更小的相同问题，即该问题具有最有子结构性质； ③利用该问题分解出的子问题的解可以合并为该问题的解； ④该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子问题。 第三章 动态规划算法 1.动态规划算法总体思想： 与分治法类似，其基本思想也是将待求解的问题分解成若干个子问题。但是，经分解得到的子问题往往不是相互独立的。不同的的数目常常只有多项式量级。在分治法求解时，有些子问题被重复计算了许多次。如果能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，就可以避免大量重复计算，从而得到多项式时间算法。 基本要素：①最优子结构性质；②重叠子问题性质：递归算法求解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次 基本步骤：①找出最优解的性质； ②递归的定义最优值； ③以自底向上的方式计算出最优值； ④根据计算最优值时得到的信息，构造最优解。 范例（能够解决的问题）：①矩阵连乘问题； ②最长公共子程序； ③背包问题； ④最优二叉搜索树。 第四章 贪心算法 1.贪心算法的思想： 采用逐步构造最优解的方法。每个阶段，都作出一个看上去最有的决定。决策一旦做出，就不可再更改。其特点如下： ①不能保证最后求得的解是最佳的，即：多半是近似解（少数问题除外）； ②策略容易发现（少数问题除外）； ③策略多样，结果也多样； ④算法实现过程中，通常用到辅助算法：排序； (1)活动问题安排描述： 活动安排问题是要在所给的活动集合中选出最大的相容活动子集合，是可以用贪心算法有效求解的很好例子。该问题要求高效地安排一系列争用某一公共资源的活动。贪心算法提供了一个简单、漂亮的方法使得尽可能多的活动多的活动能兼容地使用公共资源。 贪心算法的证明多使用反证法。 贪心算法的两个重要性质： ①贪心选择性：所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到；即：在当前状态下做出局部最优，然后解这个选择时候产生的子问题。从全局看来，运用贪心策略解决的问题在程序的运行中无回溯过程； ②最优子结构性质：当一个问题的最优解包含着其它的子问题的最优解时，称此问题具有最优子结构性质。该性质是可用动态规划或贪心算法求解的一个关键特性。 贪心算法和动态算法的差异：两者虽然都要求具有最优子结构性质，但是能用动态规划算法求解的问题不一定能用贪心算法来求解。 0-1背包问题描述：给定n种物品和一个背包。物品i的重量是Wi，其价值是Vi,背包的容量是C。问:应如何选择装入背包中的物品的总价值最大？ 注：在选择装入背包的物品时，对每种物品i中只有两种选择，即装入背包或不装入背包。不能将物品i装入部分的物品i。 背包问题描述：与0-1背包问题相似，所不同的是在选择物品装入背包时，可以选择物品的