算法分析(复习版).doc

分治法：将一个复杂的问题分解成若干个规模较小、相互独立，但类型相同的子问题求解；然后再将各子问题的解组合成原始问题的一个完整答案，这样的问题求解策略就叫 分治法 快速排序算法，归并排序算法，二分搜索算法，还有汉诺塔问题等都是用分治法求解的。 一个问题能够用分治法求解的要素是： 第一，问题能够按照某种方式分解成若个规模较小、相互独立且与原问题类型同的子问题； 第二，子问题足够小时可以直接求解； 第三，能够将子问题的解组合成原问题解。 最大最小元问题 在一个元素集合中寻找最大元素和最小素的问题，即 在互不相同的 n个数 {x 1 , x2 ,xn } 中，找出最大和最小的数。 二分搜索 在有序表（已按关键字值非减排序）中搜索给定元素的问题。条件： 该问题的规模缩小到一定的程度就可以容易地解决； 该问题可以分解为若干个规模较小的相同问题； 分解出的子问题的解可以合并为原问题的解； 分解出的各个子问题是相互独立的。 二叉判定树 二分搜索过程的算法行为可以用一棵二叉树来描述。通常称这棵描述搜索算法执行过程的二叉树为二叉判定树 分治法求解排序问题思想 ：按某种方式将序列分成两个或多个子序列，分别进行排序，再将已排序的子序列合并成一个有序序列。 合并排序和快速排序是两种典型的符合分治策略的排序算法。 合并排序：把两个或多个有序序列合并成一个有序序列。 两路合并排序 ? 最好时间复杂度： O(nlogn ) ? 最坏时间复杂度： O(nlogn ) ? 平均时间复杂度：O(nlogn ) ? 辅助空间： O(n ) 快速排序采用一种特殊的分划操作对排序问题进行分解，其分解方法是 ：在待排序的序列（K0 ,K1,…, K n-1 )中选择一个元素作为 分划元素，也称为主元。不妨假定选择Kα( 处于位置j)为主元。经过一趟特殊的分划处理将原序列中的元素重新排列，使得以主元为轴心，将序列分成左右两个子序列。主元左侧子序列中所有元素都不大于主元，主元右侧子序列中所有元素都不小于主元。 ? 最好时间复杂度：O(nlogn) ? 平均时间复杂度：O(nlogn ) ? 最坏时间复杂度：O(n2) ? 辅助空间：O(n )或O(logn) 合并排序VS快速排序 1、问题分解过程： 合并排序 —— 将序列一分为二即可。 快速排序—— 需调用Partition函数将一个序列划分为子序列。 2、子问题解合并得到原问题解的过程： 合并排序 —— 需要调用 Merge函数来实现。（Merge函数时间复杂度为 O(n） 快速排序 ——一旦左、右两个子序列都已分别排序，整个序列便自然成为有序序列。（异常简单，几乎无须额外的工作，省去了从子问题解合并得到原问题解的过程） 选择问题是指在 n 个元素的集合中，选出某个元素值大小在集合中处于第 k 位的元素，即所谓的求第k小元素问题。 矩阵相乘 矩阵用二维数组存储，相乘的时间复杂度为 Θ (n 3 ) 分治法的思想 分治法在 每一层递归 上都有三个步骤： ? 分解：将原问题分解为若干个规模较小，相互独立，与原问题形式相同的子问题； ? 解决：若子问题规模较小而容易被解决则直接解，否则递归地解各个子问题； ? 合并：将各个子问题的解合并为原问题的解。 贪心法是通过 分步决策的方法来求解问题的。 贪心法每一步上用作决策依据的选择准则被称为最优量度标准（局部最优解） 。 在根据最优量度标准选择分量的过程中，还需要使用一个 可行解判定函数 可行解判定函数 ( 约束条件) 。贪心策略并不是从整体上加以考虑的，它所做出的选择只是当前看似最佳选择，必须进一步证明该算法最终导致问题的一个整体最优解。 贪心法一般具有 2 个重要的性质：贪心选择性质 和 最优子结构性质 。 贪心选择性质：是指所求问题的整体最优解可以通过一系列局部最优的选择，即贪心选择来达到。这是贪心算法可行的 第一个基本要素，也是贪心算法与动态规划算法的主要区别。 最优子结构性质：一个问题的最优解包含其子问题的最优解。问题的最优子结构性质是该问题可用动态规划算法 或 贪心算法求解的关键特征 。 背包选择最优量度标准 选取单位重量价值最大的物品装包 , 即每次选 p i / w i 最大的物品装包标准最合理 ,得到最优解.(正确性有待证明) 基本步骤 : 1 、首先计算每种物品 单位重量的价值 Pi/ Wi 并按非增次序进行排序； 2 、然后依 贪心选择策略，选择 单位重量价值最高的物品 装入背包。依此策略一直地进行下去，将尽可能多的物品全部装入背包，直到将背包装满。 3 、若装入某件物品时， 不能全部装下 ，而背包内的物品总重量仍未达到 W ，则根据背包的剩余载重，选择单位重量价值次高的物品并尽可