[小学教育]Chapter3_问题求解.ppt

第3章 问题求解 问题分类 不同的问题解题方法不同 算法类问题 系统类问题 * * * * * * * * * * * NP问题是Non-deterministic Polynomial的问题，是多项式复杂程度的非确定性问题： 这种问题的答案，是无法直接计算得到的，只能通过间接的“猜算”来得到结果。这也就是非确定性问题。而这些问题的通常有个算法，它不能直接告诉你答案是什么，但可以告诉你，某个可能的结果是正确的答案还是错误的。这个可以告诉你“猜算”的答案正确与否的算法，假如可以在多项式时间内算出来，就叫做多项式非确定性问题。而如果这个问题的所有可能答案，都是可以在多项式时间内进行正确与否的验算的话，就叫完全多项式非确定问题。完全多项式非确定性问题可以用穷举法得到答案，一个个检验下去，最终便能得到结果。但是这样算法的复杂程度，是指数关系，因此计算的时间随问题的复杂程度成指数的增长，很快便变得不可计算了。 计算机的诞生,标志着用纸和笔进行手工求解问题的时代结束了, 那么如何计算机进行问题求解呢? * * * * * * * * * * * * * * 示例 TSP问题求解的流程控制 求解TSP问题需要控制指令、基本操作的逻辑过程/流程 遍历所有的组合路径 判断某条路径的距离是不是比另外一条短，并据此作出不同的处理 累加一条路径的距离之和 …… 3.1 算法类问题 问题求解中的过程控制 问题求解过程中需要组织并控制操作、指令的过程和顺序 算法的流程控制 控制结构提供了问题求解/算法的过程控制机制 控制结构： 顺序结构： “执行A，然后执行B” 分支结构： “如果Q成立，那么执行A，否则执行B” ，Q是某些逻辑条件 循环结构：控制指令的多次执行——迭代（iteration） 有界循环： “执行A指令N次”，其中N是一个整数。 条件循环：某些时候称为无界循环， “重复执行A直到条件Q成立”或“当Q成立时反复执行A”，其中Q是条件。 3.1 算法类问题 示例 控制结构的流程图描述 3.1 算法类问题 欧几里德算法 示例 算法策略 可行解与最优解 遍历能够获得最优解，然而，由于组合爆炸，对于较大规模的某些问题，无法在可接受的时间内获得最优解 退而求其次，在可接受的时间内获得足够好的（可行）解 3.1 算法类问题 可行解 最优解 TSP问题的可行解与最优解 示例 算法策略——贪心 贪心算法 “今朝有酒今朝醉” 一定要做当前情况下的最好选择，否则将来可能会后悔，故名“贪心” 3.1 算法类问题 城市之间的距离 TSP问题的贪心求解示例 每次在选择下一个城市的时候，只考虑当前情况，保证迄今为止经过的路径总距离最短 示例 3.1 算法类问题 TSP问题贪心算法的流程图 算法与程序 3.1 算法类问题 程序是算法的一种机器相容（Compatible）的表示 程序是利用计算机程序设计语言对算法描述的结果 程序可在计算机上执行 程序设计语言：C、Java、… 程序设计过程： 编辑 编译 连接 执行 示例 TSP问题贪心算法程序 3.1 算法类问题 算法的模拟与分析 算法的正确性： 问题求解的过程、方法——算法是正确的吗？算法的输出是问题的解吗？ 20世纪60年代，美国一架发往金星的航天飞机由于控制程序出错而永久丢失在太空中 算法的效果评价： 算法的输出是最优解还是可行解？如果是可行解，与最优解的偏差多大？ 两种方法： 分析方法：利用数学方法证明 仿真分析方法：产生或选取大量的、具有代表性的问题实例，利用该算法对这些问题实例进行求解，并对算法产生的结果进行统计分析 3.1 算法类问题 示例 TSP问题贪心算法的模拟与分析 TSP问题贪心算法的正确性： 直观上只需检查算法的输出结果中，每个城市出现且仅出现一次，该结果即是TSP问题的可行解，说明算法正确的求解了这些问题实例 TSP问题贪心算法的效果评价： 如果实例的最优解已知（问题规模小或问题已被成功求解），利用统计方法对若干问题实例的算法结果与最优解进行对比分析，即可对其进行效果评价， 对于较大规模的问题实例，其最优解往往是未知的，因此，算法的效果评价只能借助于与前人算法结果的比较。 3.1 算法类问题 算法的复杂性 算法的效率：时间效率和空间效率 时间复杂性:如果一个问题的规模是n，解这一问题的某一算法所需要的时间为T(n)，它是n的某一函数，T(n)称为这一算法的“时间复杂性”。 “大O记法”： 基本参数 n——问题实例的规模 把复杂性或运行时间表达为n的函数。 “O”表示量级 (order)，允许使用“=”代替“≈”，如n2+n+1=Ο(n2) 。 算法的空间复杂度：算法在执行过程中所占存储空间的大小。 3.1 算法类问题 示例 TSP问题算法的复杂性 TSP问题遍历算法： 列出每一条可供选择