算法设计与分析-08-复习-ff.pptx

算法设计与分析 Algorithms Design and Analysis;-考试时间和地点;各章分值分布;一、单选题（10题，10*2’=20分） 主要考察内容：细节知识点 二、简答题（4题，4*5’=20分） 主要考察内容：算法思想及算法思想对比 三、算法理解题（4题，4*12’=48分） 主要考察内容：算法应用问题理解 四、算法设计题（1题，1*12’=12分） 主要考察内容：利用算法思想求解问题（要求写出具体算法）;第一章 绪论 时间复杂度分析 主定理法求解递归算法时间复杂度;算法设计方法;折半搜索 归并排序 快速排序 Huffman算法 Dijkstra算法 Kruskal算法 Prim算法 拓扑排序 Floyed算法;-示例：效率（Efficiency）;-基本的效率类型;-递归算法的数学分析;-解递归方程;用代入法求解递归式 用递归树方法求解递归式 用主方法求解递归式 ——《算法导论》第4章;主方法为如下形式的递归提供了一种“菜谱”式的求??方法 其中a≥1和b1是常数，f(n)是渐近函数。 上述递归式描述的是这样一种算法的运行时间： 它将规模为n的问题分解为a个子问题，每个子问题规模为n/b，其中a和b都是正常数。 a个子问题递归地进行求解，每个花费时间T(n/b)。 函数f(n)包含了问题分解和子问题解合并的代价。 其中n/b指n/b的上取整或者是下取整，对结果不会造成影响。;-主定理（Master Theorem）;确定主定理的哪种情况成立，即可得到解。;-使用主方法（2）;-使用主方法（3）;-Please have a try!;?;第二章 递归与分治 递归的概念及与分治的关系 分治算法的思想 重点实例： 全排列问题的递归算法（Perm） 大整数乘法及算法时间复杂度 矩阵乘法的Strassen算法及时间复杂度 棋盘覆盖 线性时间选择 循环赛日程表 ;-分治法的一般方法;-递归示例-排列问题;两个数的全排列：4，5;设一组数p = {r1, r2, r3, ... ,rn}, 全排列为perm(p) pn = p - {rn} perm(p) = r1perm(p1), r2perm(p2), r3perm(p3), ... , rnperm(pn)。 当n = 1时，perm(p} = r1。 ;template class Type void Perm(Type list[], int k, int m ) { //产生[list[k:m]的所有排列 if(k==m) { //只剩下一个元素 for (int i=0;i=m;i++) coutlist[i]; coutendl; } else //还有多个元素待排列，递归产生排列 for (int i=k; i=m; i++) { Swap(list[k],list[i]); Perm(list,k+1,m); Swap(list[k],list[i]); } } ;-分治法的适用条件;2.3.1 大整数乘法 2.3.2 矩阵乘法的Strassen算法 2.3.3 棋盘覆盖 2.3.4 线性时间选择 2.3.5 最接近点对问题 2.3.6 循环赛日程表 ;2.3.1 大整数乘法;;2.3.2 矩阵乘法的Strassen算法; 将矩阵A，B和C中每一矩阵都分块成4个大小相等的子矩阵。由此可将方程C=AB重写为：;为了降低时间复杂度，必须减少乘法的次数。 ;【问题描述】 2k*2k个方格的一个棋盘，有一个方格残缺； 要求用三格板覆盖棋盘，三格板不重叠，不覆盖残缺方格，覆盖所有其它方格。 ;-k=2 的残缺棋盘和不同方向的三格板;-分而治之法求解残缺棋盘;实际应用：如网页排序等，只需要top k。;2.3.6 循环赛日程表 ;-分治算法小结;第三章 动态规划算法 动态规划VS.分而治之 动态规划算法的基本思想 什么是最优子结构性质 动态规划算法重点应用问题 矩阵链乘法 最长公共子序列 0-1背包 最大子段和;分治方法将问题划分为互不相交的子问题，递归地求解子问题，再将它们组合起来，求出原问题的解； 动态规划应用于子问题重叠的情况，即不同的子问题具有公共的子子问题（子问题的求解是递归进行的，将其划分为更小的子子问题）。对每个子子问题只求解一次，将其解保存在一个表格中，从而无需每次求解一个子子问题时都重新计算。;-一个简单的例子：最大子段和;-简单算法;-动态规划算法;-动态规划算法代码;给定一个n个矩阵的序列（矩阵链）A1,A