算法期末概述.docxVIP

算法与程序 算法是解决问题的一种方法或一个过程，是若干指令的有穷序列， 满足性质： – (1)输入：有外部提供的量作为算法的输入。 – (2)输出：算法产生至少一个量作为输出。 – (3)确定性：组成算法的每条指令是清晰，无歧义的。 – (4)有限性：算法中每条指令的执行次数是有限的，执行每条指令的时间也是有限的。 程序是算法用某种程序设计语言的具体实现，可以不满足算法的性质。 算法分析 ? 质量 –正确性、可靠性、健壮性、可读性 ? 效率 –时间复杂度、空间复杂度 算法复杂性分析 -时间和空间 ? 算法复杂性 = 算法所需要的计算机资源的量 ? 算法的时间复杂性T(n)； ? 算法的空间复杂性S(n)。 –n是问题的规模（输入大小） 分治与递归 递 归 优点：结构清晰，可读性强，容易用数学归纳 法来证明算法正确性。因此它为设计算法、调试程序带来很大方便。 ???点：递归算法运行效率较低，时空消耗大。 分治法的设计思想是： 将一个难以直接解决的大问题， 分割成一些规模较小的独立相同问题，递归地解子问题， 将子问题的解合并得到原问题的解，分而治之。 分治特征 该问题的规模缩小到一定的程度就可以容易地解决； 分而可解 ? 该问题可以分解为若干个规模较小的相同问题;（具有最优子结构）分而相同 分解出的子问题的解可以合并为原问题的解； ? 分而可合 分解出的各个子问题是相互独立的。 分而独立 二分搜索技术 给定已按升序排好序的n个元素a[0:n-1]，在这n个元素中，找出一特定元素x。时间复杂性为 O(logn) 。 算法思想：分成个数大致相同的两半，取a[n/2]与x比较，若找到则算法终止，若x a[n/2]，在数组a左半部继续搜索x 合并排序 基本思想：将待排序元素分成大小大致相同的2个子集合，分别对2个子集合进行排序，最终将排好序的子集合合并成为所要求的排好序的集合。 最坏时间复杂度：O(nlogn) 平均时间复杂度：O(nlogn) 辅助空间：O(n) 快速排序 基本思想: 记录的比较和交换是从两端向中间进行的，关键字较大的记录一次就能交换到后面单元，关键字较小的记录一次就能交换到前面单元，记录每次移动的距离较大，因而总的比较和移动次数较少。 基本步骤： ·分解:以a[p]为基准将数组a[p:r]分成3段，a[p:q-1]中任何一个元素小于等于a[q],而a[q+1:r]中任何一个元素小于等于a[q],下标q在划分过程中确定。 ·递归求解：通过递归调用快速排序算法分别对a[p:q-1]和a[q+1:r]进行排序。 ·合并：当a[p:q-1]和a[q+1:r]就地排好序之后，a[p:r]就已排好序了。 最坏时间复杂度：O(n2) 平均时间复杂度：O(nlogn) 辅助空间：O(n)或O(logn) 线性时间选择——找出第k小的元素 基本思路： ·分解问题、缩小规模 ·输入数组进行递归划分，利用快速排序思想、每次递归处理部分子数组 将元素分组并排序，找出每组的中位数，再找最后的中位数（有两个选较大的那个） ·利用中位数，构造线性时间复杂度的算法 基本步骤： ·数组a[p:r]划分成两个子数组，使a[p:i]中的每一个元素都不大于a[i+1:r]中的每一个元素。 ·计算子数组a[p:i]的元素个数j， ·若k=j，则第k小元素在子数组a[p:i]中，否则在a[i+1:r]，此时第k小元素是该数组的第k-j小元素。 用随机划分函数法下，最坏情况下 时间O(n2)，平均时间 O(n)。 改进：在线性时间内找到一个划分基准，使得按这个基准所划分出的2个子数组的长度都至少为原数组长度的ε倍(0ε1是某个正常数)，那么就可以在最坏情况下用O(n)时间完成选择任务。 利用中位数构造平衡子 动态规划 动态规划算法的基本要素 – 最优子结构性质 ?矩阵连乘计算次序问题的最优解包含着其子问题的最优解。这 种性质称为最优子结构性质。 ?在分析问题的最优子结构性质时，所用的方法具有普遍性：首 先假设由问题的最优解导出的子问题的解不是最优的，然后再 设法说明在这个假设下可构造出比原问题最优解更好的解，从 而导致矛盾。 ?利用问题的最优子结构性质，以自底向上的方式递归地从子问 题的最优解逐步构造出整个问题的最优解。最优子结构是问题 能用动态规划算法求解的前提。 – 重叠子问题性质 ?动态规划算法，对每一个子问题只解一次，而后将其解保存在一个表格中，当再次需要解此子问题时，只是简单地用常数时 间查看一下结果。 ?通常不同的子问题个数随问题的大小呈多项式增长。因此用动 态规划算法只需要多项式时间，从而获得较高的解题效率。 设计动态规划算法的步骤 – 找出最优解的性质，并刻划其结构特征 – 递归地定义最优值。 –