Ch10算法设计技巧.pptVIP

算法设计技巧 高文宇 gwyy@163.com §1 贪心算法 贪婪算法分阶段工作，在每一阶段，选择局部最优解，在算法终止时，希望获得全局最优解。 问题：给定 N 个作业 j1 , j2 , …, jN ，其运行时间分别是 t1 , t2 , …, tN ，处理器只有一个。 多处理器情况 问题：给定 N 个作业 j1 , j2 , …, jN ，其运行时间分别是 t1 , t2 , …, tN ，处理器有多个。 最后完成时间最小化 Minimizing the Final Completion Time 即各处理器之间如何更平均地承担任务 哈夫曼编码 问题： 假设一段文本包含 1000 个由字母 a, u, x, z组成的字符。若按ASCII编码，这段文本需要使用8000 bits存储空间。 若对这4个字母如下编码： a = 00, u = 01, x = 10, z = 11。即 aaaxuaxz 编码为 0000001001001011。则该段文本将占据 2000 bits 存储空间。是否还有更好的方法呢？ 根据频率进行编码。例如，在文本 aaaxuaxz 中， f(a) = 4, f(u) = 1, f(x) = 2, f(z) = 1。例如使用变长编码如下： a = 0, u = 110, x = 10, z = 111。则原文本编码为： 00010110010111 。 前缀码 哈夫曼算法 哈夫曼算法示例 §2 分治算法 分治：Divide and Conquer 例子： 最大子序列和 归并排序 快速排序 分治算法的时间复杂度 分治算法的时间复杂度 最近点对问题 平面上有N个点，找出距离最近的两个点。 最近点对的分治 对所有点按x坐标排序。画一条想象的垂线将点集分为两半PL和PR。那么最近点对要么出现在PL中，要么出现在PR中，要么跨越PL和PR。我们把这三个距离分别叫做dL，dR，dC。 dL，dR可以递归计算，但dC如何计算。另外，若想得到O(NlogN)算法，则dC的计算代价最多为O(N)。 考察条带中的点 对于均匀分布的点，平均只有O(N^1/2)个点分布在这个条带中。因此使用蛮力法计算这O(N^1/2)个点两两之间的距离也只需O(N)时间。 考察y坐标 在?×? 的区域中，最多存在4个满足条件的点。即每两点之间的距离小于等于? 。因此在2×?×? 区域中最多存在8个满足条件的点。因此对于每个pi，最多考虑另外7个点即可。 选择问题 从一组未排序的数中选出第k大的数。 整数相乘问题 两个N位数相乘，采用传统的竖式乘法，需要执行N^2次乘法。 有办法改进吗？ 整数相乘的改进 设X，Y是两个N位整数（为方便起见，设N=2^k），用XL表示X的前半部分，XR表示X的后半部分；用YL表示Y的前半部分，YR表示Y的后半部分；则： XY= XLYL10N + (XLYR + XRYL)10N/2 + XRYR 以上方程由四次乘法和三次加法构成，因此可得递归式： T(N) = 4T(N) + O(N) 然而，根据定理10.7，上述递归式的解仍为O(N2) 。因此，关键是能否将以上递归式中的“4”变小。 对此有：XLYR + XRYL= (XL-XR)(YR-YL) + XLYL + XRYR 而XLYL和XRYR是已经计算过的。 因此，计算XY可以仅由三次一半规模的乘法和O(N)次加减法来完成。所以递归式变为T(N) = 3T(N/2) + O(N) 。根据定理10.7可知，算法的时间复杂度为T(N) = O(N^log23 ) = O(N^1.59)。 矩阵乘法 两个N阶矩阵X和Y相乘，最终得到一个N阶矩阵Z，矩阵Z中有N^2个元素，每个元素需要花费N次乘法和N-1次加法获得。因此传统的矩阵相乘的时间复杂度为O(N^3) 。 有办法改进吗？ 矩阵乘法改进（Strassen） 与整数乘法类似的分治。 T(N) = 7T(N/2) + O(N2) T(N) = O(N^log27 ) = O(N^2.81)。 §3 动态规划 通过避免重复计算来优化递归。 Fibonacci Numbers: F(N) = F(N – 1) + F(N – 2) 更高效的递归 矩阵乘法的顺序安排 如何找到最优的顺序 矩阵乘法 矩阵乘法 最优二叉查找树 图中所有点对间的最短路径 Floyd算法 Floyd-Warshall 算法考虑最短路径上的中间节点（intermediate），简单路径 p = 〈v1, v2,..., vl〉上的中间节点是除v1 和 vl,以外的任意节点。 递归解 设 G 的节点为 V = {1, 2,..., n}，对参数k考虑节点集 {1, 2,..., k} 。对任意一对节点 i,