第2章 基本的算法设计技术.ppt

数据结构与算法 作 者：胡明 王红梅 出版社：电子工业出版社 邮 箱：wanghm@mail.ccut.edu.cn 数据结构与算法 电子工业出版社 蛮力法 分治法 减治法 贪心法 动态规划法 本章的基本内容是： 第 2 章 基本的算法设计技术 蛮力法（Brute Force Method，也称穷举法）通常采用一定的策略依次处理待求解问题的所有数据，从而找出问题的解，是一种简单直接地解决问题的方法。例如，对于给定的整数a和非负整数n，计算an的值，最直接的想法就是把1和a相乘n次。 蛮力法常常直接基于问题的描述，所以是最容易应用的方法。但是，用蛮力法设计的算法其时间性能往往也是最低的。因此，蛮力法通常用来解决非常基本的问题。在本书中，有关线性表的基本操作、顺序查找算法、模式匹配BF算法、起泡排序、简单选择排序等算法都是蛮力法的应用实例。 蛮力法的设计思想 2.1 蛮力法 【问题】求解如图2-1所示数字谜。 【想法】将A、B、C依次试探每一个可能解，约束条件是满足等式关系ABB×B = ACBC。 【算法】注意到，A的穷举范围是1~9，B的穷举范围是2~9（因为乘法结果有进位，则B至少是2），C的穷举范围是0~9，算法用伪代码描述如下： 蛮力法的设计思想 2.1 蛮力法 蛮力法的设计思想 2.1 蛮力法 分治法的设计思想 2.2 分治法 分治者，分而治之也。分治法（Divide and Conquer Method）的设计思想是将一个难以直接解决的大问题，划分成一些规模较小的子问题，以便各个击破，分而治之。由分治法产生的子问题往往是原问题的较小模式，反复应用分治手段，可以使子问题与原问题类型一致而其规模却不断缩小，最终使子问题缩小到能够直接求解，这自然导致递归。分治与递归经常同时应用在算法设计之中，并由此产生许多高效的算法。 分治法的设计思想 2.2 分治法 一般来说，分治法的求解过程由以下三个阶段组成： （1）划分：把规模为n的原问题划分为k个规模较小的子问题。 （2）求解：各子问题的解法与原问题的解法通常是相同的，可以用递归的方法求解各个子问题，有时递归处理也可以用循环来实现。 （3）合并：把各个子问题的解合并起来，合并的代价因情况不同有很大差异，分治算法的有效性很大程度上依赖于合并的实现。 分治法的设计思想 2.2 分治法 2.2 分治法 【问题】输出如下所示N×N（1≤N≤10）的数字旋转方阵。 【想法】用二维数组 data[N][N]表示N×N的方阵，从外层向里层填数。 2.2 分治法 2.3 减治法 减治法的设计思想 减治法（Reduce and Conquer Method）在将原问题分解为若干个子问题后，利用了原问题的解与子问题的解之间的关系，这种关系通常表现为： （1）原问题的解只存在于其中一个较小规模的子问题中； （2）原问题的解与其中一个较小规模的解之间存在某种对应关系。 由于原问题的解与较小规模的子问题的解之间存在这种关系，所以，只需求解其中一个较小规模的子问题就可以得到原问题的解，无需对子问题的解进行合并，所以，严格地说，减治法应该是一种退化了的分治法。 2.3 减治法 减治法的三种类型 （1）减常量，算法每次迭代总是从实例规模中减去一个相同的常量，一般来说，这个常量等于一。 （2）减常数因子，算法每次迭代总是从实例规模中减去一个相同的常数因子，一般来说，这个常数因子等于二。 （3）减可变规模，算法每次迭代时减去的规模都是不同的。 2.3 减治法 【问题】在n枚外观相同的硬币中有一枚是假币，并且已知假币较轻。可以通过一架天平来任意比较两组硬币，从而得知两组硬币的重量是否相同，或者哪一组更轻一些，假币问题是要求设计一个高效的算法来找出这枚假币。 【想法】问题的解决是经过一系列比较和判断，最自然的想法就是一分为二。考虑不是把硬币分成两组，而是分成三组，可以获得了更少的比较次数。 这个递推式的解是T(n)=O(log3n)。 2.3 减治法 2.4 贪心法 贪心法（Greedy Method）是把一个复杂问题分解为一系列较为简单的局部最优选择，每一步选择都是对当前解的一个扩展，直到获得问题的完整解。 正如其名字一样，贪心法在解决问题的策略上目光短浅，只根据当前已有的信息做出选择，而且一旦做出了选择，不管将来有什么结果，这个选择都不会改变。 显然，贪心法的关键是设计合理的贪心选择策略。 例：付款问题。 2.4 贪心法 【问题】