回溯策略所解的一些问题往往是不能用数学公式去直接求解的.ppt

0-1背包回溯算法说明 Maxvalue是一个递归实现的子程序，其中的主要传递参数如下： w： 项目物体的重量数组 v： 项目物体的价值数组 length_of(w)： 重量数组的长度，也是最后一个物件下标，遍历循环的开始点，直到第一个元素 max_weight：背包的最大容量 ｘ：最后的返回值，即背包中物体的价值 动态规划 计算Fibonacci数列的第n项：当项数大于2时，F（n）=F（n-1）+F（n-2） 如果计算Fibonacci数列第n项，这需要计算从第3项到第n-1项 随着n值的增大，递归解法的算法时间复杂性会按几何级数增长 这类问题的关键是子问题（sub-problem）有重叠，因而分治法并不适合于此类问题的求解 动态规划 基本思想是：如果一个较大问题可以被分解为若干个子问题，并且子问题有重叠，那么，可以将每个子问题的解存放到一个表中，然后通过查表来解决问题，减少不必要的重复计算 动态规划是20世纪50年代美国数学家Richard Bellman提出的 在这个术语中，Programming与编程没有关系，而是规划和设计的意思 动态规划解Fibonacci数列第n项 算法说明 算法递归子程序中的三个传递参数的作用分别是： a：第n项的输入参数 b：第n项的结果输出 c：计算过程中的中间结果存留数组（也就是一个线形表） 在计算过程中，每次计算的结果都保存在c数组中，出现重叠子问题时，直接到c[]数组中调取结果 动态规划的分析 要消除计算过程中的重复性过程，动态规划是比较好的选择 这也是计算机科学中，进行问题求解的重要途径之一 由于动态规划需要保存中间计算结果，势必占用较大的内存空间（这点贪心法就完全不同），但时间复杂性则会降低 这就是所谓“空间换时间“的策略 动态规划的分析 动态规划与贪心法不同的地方，它是一种最优化算法 当所有的解空间可以遍历的前提下，利用动态规划的思想保存所有可能的解 再通过比较就可以得到最优的解 实现原理非常简单，但非常实用，也是计算机科学中最常用的算法策略 请设计使用动态规划求解数字三角形 将递归算法转成非递归的实现 递归是计算机科学中非常重要的概念，其主要优点是递归的代码量比非递归的代码量少，算法可以设计的非常简洁 这是由于递归所使用的方式是函数调用 这在计算机算法实现中属于非常自然的栈结构 不需要记录位置信息，不需要添加控制语句 这些工作都由函数调用的特性自行解决 递归算法的弱点 递归算法的执行效率比一般非递归的执行效率要低 因为递归的实质既然是函数调用，而函数调用必然要进行线程栈空间的分配，记录每一次函数调用前的状态等工作，开销是比较大的 这个情况读者可以自行应用递归实现汉诺塔案例，输入不同的铁饼数，运行并观察 非递归算法的特点 非递归算法则不需要进行这些工作（线程栈空间的分配等） 因为非递归使用额外的变量记录当前所处的位置信息，以及额外的控制语句 递归与非递归调用最主要区别就是在函数调用上 递归与非递归策略思想 因此对解决某些问题时，希望用递归算法分析问题，但用非递归算法解决问题 这就需要把递归算法转换为非递归算法 递归算法转化为非递归算法 有如下三种基本方法： 通过分析，跳过分解过程，直接用循环结构的算法实现求解过程。 自己用栈模拟系统的运行栈，通过分析只保存必须保存的信息，从而用非递归算法替代递归算法 利用栈保存参数，由于栈的后进先出特性吻合递归算法的执行过程，因而可以用非递归算法替代递归算法 使用非递归方法实现汉诺塔算法 算法说明 将三个柱子分别命名为na1，na2，na3，初始状态，所有的盘子都在na1上，三个柱子按逆时针方向排列成一个圆环 其中存在一个规律，当对于规模为n的汉诺塔问题时： 1．奇数编号盘子总是移动移动到它后的第2个柱子上； 2．偶数编号的盘子总是移动移动到它的后第1个柱子上 基本算法策略的讨论 最优化和非最优化： 什么不去追求最优化的解？ 因为存在一个解空间的规模问题，如果在规定时间里，可以找到所有的解，那么选出其中的最优解； 但是，如果不可能（有许多O(2n）以上时间复杂度的问题)，那么，只好退而求其次，用次优解来解决问题 而贪心策略就是求次优解的常用思 基本算法策略的讨论 时间换空间（或空间换时间） 大部分递归算法编写简单，但运行的时间会随着问题规模的增长而急剧增长 而分治方法，一般要花费较多的时间将问题划分成为较小规模，增加了程序的复杂性；递归程序的非传参实现，也是如此 但较为复杂的算法，却换来几何级数的运行时间节省 基本算法策略的讨论 回溯策略所解的一些问题往往是不能用数学公式去直接求解的 它需要通过一个过程，此过程要经过若干个步骤才能完成，每一个步骤又分为若干种可能； 同时，为了完成任务，还必须遵守一些规则和约束； 对于这样一类问题，一般采