《常见算法.docxVIP

A*搜索算法评价函数：F = G + H*G已知的到达某点g的距离*H从g达到目标点的估计距离? 1，把起始格添加到开启列表。?2，重复如下的工作：?a) 寻找开启列表中F值最低的格子。我们称它为当前格。?b) 把它切换到关闭列表。?c) 对相邻的格中的每一个？ * 如果它不可通过或者已经在关闭列表中，略过它。否侧继续。 * 如果它不在开启列表中，把它添加进去。把当前格作为这一格的父节点。记录这一格的F,G和H值。 * 如果它已经在开启列表中，用G值为参考检查新的路径是否更好。更低的G值意味着更好的路径。如果是这样，就把这一格的父节点改成当前格，并且重新计算这一格的G和F值。如果你保持你的开启列表按F值排序，改变之后你可能需要重新对开启列表排序。?d) 停止，当你 * 把目标格添加进了关闭列表，这时候路径被找到，或者 * 没有找到目标格，开启列表已经空了。这时候，路径不存在。?3.保存路径。从目标格开始，沿着每一格的父节点移动直到回到起始格。这就是你的路径。计算时还需考虑多源同时搜索，CPU耗时。方法有采用二差堆、分层搜索（宏观密度小，微观密度大）。二分查找二分查找又称折半查找，优点是比较次数少，查找速度快，平均性能好；其缺点是要求待查表为有序表，且插入删除困难。因此，折半查找方法适用于不经常变动而查找频繁的有序列表。首先，假设表中元素是按升序排列，将表中间位置记录的关键字与查找关键字比较，如果两者相等，则查找成功；否则利用中间位置记录将表分成前、后两个子表，如果中间位置记录的关键字大于查找关键字，则进一步查找前一子表，否则进一步查找后一子表。重复以上过程，直到找到满足条件的记录，使查找成功，或直到子表不存在为止，此时查找不成功。分支界定算法1、基本思想　分枝定界法是一个用途十分广泛的算法，运用这种算法的技巧性很强，不同类型的问题解法也各不相同。分支定界法的基本思想是对有约束条件的最优化问题的所有可行解（数目有限）空间进行搜索。该算法在具体执行时，把全部可行的解空间不断分割为越来越小的子集（称为分支），并为每个子集内的解的值计算一个下界或上界（称为定界）。在每次分支后，对凡是界限超出已知可行解值那些子集不再做进一步分支。这样，解的许多子集（即搜索树上的许多结点）就可以不予考虑了，从而缩小了搜索范围。这一过程一直进行到找出可行解为止，该可行解的值不大于任何子集的界限。因此这种算法一般可以求得最优解。　将问题分枝为子问题并对这些子问题定界的步骤称为分枝定界法。2、分枝节点的选择　对搜索树上的某些点必须作出分枝决策，即凡是界限小于迄今为止所有可行解最小下界的任何子集（节点），都有可能作为分枝的选择对象（对求最小值问题而言）。怎样选择搜索树上的节点作为下次分枝的节点呢？有两个原则：　1）从最小下界分枝（优先队列式分枝限界法）：每次算完界限后，把搜索树上当前所有叶节点的界限进行比较。找出限界最小的节点，此结点即为下次分枝的结点。　?优点：检查子问题较少，能较快地求得最佳解；　?缺点：要存储很多叶节点的界限及对应的耗费矩阵，花费很多内存空间。　2）从最新产生的最小下界分枝（队列式（FIFO）分枝限界法）：从最新产生的各子集中按顺序选择各结点进行分枝，对于下届比上届还大的节点不进行分枝。　优点：节省了空间；缺点：需要较多的分枝运算，耗费的时间较多。　这两个原则更进一步说明了，在算法设计中的时空转换概念。分枝定界法已经成功地应用于求解整数规划问题、生产进度表问题、货郎担问题、选址问题、背包问题以及可行解的数目为有限的许多其它问题。对于不同的问题，分枝与界限的步骤和内容可能不同，但基本原理是一样的。分支限界法的基本解决问题的思路?1.构造解空间树?2.以广度优先方式或最小耗费优先方式搜索解空间树?3.构造节点处理的方式，一旦活结点成为了拓展节点，就一次产生其所有儿子节点?4.不可能产生可行解或者肯定不能产生最优解的儿子被删除，其余被加入到活结点表中?5.从活结点表中取下一节点成为当前的拓展节点，重复上述过程，直到找到所需解或者或节点表为空Dijkstra算法按路径长度递增次序产生最短路径算法：　把V分成两组：　1）S：已求出最短路径的顶点的集合　2）V-S=T：尚未确定最短路径的顶点集合　将T中顶点按最短路径递增的次序加入到S中，保证：（1）从源点V0到S中各顶点的最短路径长度都不大于从V0到T中任何顶点的最短路径长度　（2）每个顶点对应一个距离值　S中顶点：从V0到此顶点的最短路径长度　T中顶点：从V0到此顶点的只包括S中顶点作中间　顶点的最短路径长度　依据：可以证明V0到T中顶点Vk的最短路径，或是从V0到Vk的　直接路径的权值；或是从V0经S中顶点到Vk的路径权值之和（反证法可证）　求最短路径步骤　算法步骤如下：　1. 初使时令 S={V