算法复习提纲.doc

复习 递归： 定义、递归算法的效率分析（时间的递推式） 蛮力法： 定义： 蛮力法是一种简单直接的解决问题的方法，常常直接基于问题本身设计算法。可以用“直接干吧！”来描述蛮力法策略，通常是最容易想到和采用的一种简单直接的算法设计策略。 特点：1. 算法设计较为简单直接，相对容易； 2. 通常，算法效率不高。因此，高效算法一般很少来自于蛮力法。 3. 可以解决广泛领域的各种问题，几乎是唯一一种解决各种问题的 一般性方法。常用于一些非常基本而又十分重要的算法。比如： 计算 n 个数的和； 求一个列表的最大元素，等等。 4. 对于一些重要的算法（如排序、查找、矩阵乘法、字符串匹配）， 蛮力法可以产生一些合理算法，多少具备一些实用价值 ，且并不 限制问题的规模。 5 对于规模不大的问题，蛮力法的计算速度可以接受时，设计一个 高效算法所花费的代价很可能不值得。(人力成本，算法复杂度) 6. 蛮力法可为研究和教学服务，以它作为尺度，衡量该问题的其他 算法的效率。 例：选择排序、冒泡排序、顺序查找、字符串匹配、穷举查找（穷举查找是一种简单的蛮力法。）等、 分治法： 定义： 分治法是著名的通用算法设计技术，很多非常有效的算法实际上是这个通用算法的特殊实现。基本思想符合人们在解决复杂问题时，常常将其从大到小逐步分解，进而将较易求解的小问题解合并得到原问题的解。这即是“分治法”的分而治之的思想。 1. 分解原问题规模为较小的子问题，子问题最好有相同规模； 2. 求解子问题；( 1、 2 步“分解－求解”过程通常是递归的，直到子问题可简单求解为止) 3. 合并子问题的解，得到原问题的解（必要的话）。 效率分析： 建立递归算法的递推式并求解得到增长函数的增长率类型： 分治法运算时间的通用分治递推式： 一个规模 n 的问题，每次被分为 a 个子问题，每个子问题规模 n/b （上例：a = 2, b = 2）。为简化分析，假定 n 是 b 的乘方即 n = bk， k=1,2,3,..., 通用分治递推式如下： c：子集 (规模为 tr )求解时间 (常量)；（时间：基本操作数） f (n)：子集分解和子集解合并的时间。（本例比较1次即 f (n) = 1） 解递推式，得到时间效率(主定理)：若： 则： 应用例： 折半查找、合并排序、快速排序、大整数乘法、在序列A[1..n]中找最大最小元素的问题、循环锦标赛问题等 减治法： 定义： 利用给定规模与较小规模问题解之间的关系，从顶至下(递归) 或从底至上(非递归)求解问题的一种方法。减治法通常分为3种： 减常量法：常量通常为1即减1法，也有减2的（如奇偶数分别处理） 减常因子法：常因子通常为2（减半技术）。 减可变规模法。 例： 插入排序、深度优先与广度优先搜索、拓扑排序等 减治与分治的区别 变治法： 定义：变治法是一种通用的算法设计技术，基于变换的思想。 变：把问题变得更容易求解； 治：对变换后的问题求解。 变治策略有 3 种主要类型： 实例化简：变换为更简单的实例。如预排序。 改变表现：变换为不同表现实例。如AVL树，2-3树，堆。 问题化简：变换为另一个问题的实例。如数学建模，将具体应用问题 用变量、函数、方程这样的数学对象来表达。 动态规划： 定义：把求解过程分为一系列阶段，各个阶段依次按照最优性原则计算，最后阶段计算得到最优解。包括 分段、求解 两大步。（不能段化的问题不能用动态规划法求解） 动态的含义： 求解算法施加的状态是变化的。当前状态只与其直接前趋状态有关，对其直接前趋状态施加求解算法，成为当前状态。 最优性原则 (Principle of Optimality)： 一个最优问题任何实例的最优解，是由该实例的子实例的最优解组成的。子实例组成父实例，父实例分解为子实例。 动态规划法的特点： 1. 分阶段（级）决策。对最优化问题，用最优性原则设计。 2. 一般采用自顶向下分析（规模减小），自底向上计算（规模增加）。计算过程是一级一级（一阶段一阶段）地向前推进，直到最终状态。 动态规划算法的基本要素： 最优子结构性质和重叠子问题。 最优子结构性质： 问题的最优解包含着它的子问题的最优解。即不管前面的策略如何，此后的决策必须是基于当前状态（由上一次决策产生）的最优决策。 重叠子问题： 在用递归算法自顶向下解问题时，每次产生的子