算法分析设计期末相关复习.pptVIP

首先将各物品依重量递增序（即也是价值递减序）排列，然后依照价值递减顺序选择物品装入背包，直到背包装不下下一件物品为止。 这里贪心算法的贪心选择策略是：每次总是选择价值最大（同时重量也最小）的物品，然后检查是否可以装入背包。 习题4.4 A驾驶着红旗牌轿车沿着107国道从深圳开往北京。A的车加满油时，可以跑公里。A有一张地图，标出了沿途中加油站之间的距离。为节省时间，A希望在路途中尽量地少加油。请设计出一个有效算法帮助A决定该在那些加油站加油，并证明你的算法能够得到最优解。 解：根据实际问题，加油站之间距离不等，若要使加油次数最少，只需做到如果车内的油能够到达下一站点就不加油，即做贪心选择。 正确性证明： 站点分别记为1,2,······n，站点集合记为A，只需证明问题贪心算法的正确性，即满足贪心选择和优化子结构即可。 贪心选择： 设从初始位置最远可以前行到i站点，则存在最优选择M，M前行到i站点首次加油。 M前行到i站点首次加油，问题得证。 若M不前行至i站点进行加油，在加油站j进行首次加油，易得ji，存在加油组合N，使N中除第一个加油站点外，剩余的加油站点均一致。 因为就ji，故从j站点可以到达的下一加油站k从i站点也可以同样到达。 故加油次数Count(M)=Count(N)，故N也为最优选择，问题得证。 最优子结构： 设最优选择M包含从初始位置前行到i站点首次加油，只需证M-i为A - { 1,2，···，i }的最优选择。 如果M-i不是A - { 1,2，···，i }的最优选择，其最优选择为N,则Count(N)Count(M-i) 在分别加上在i站点的加油次数得：1+Count(N)1+Count(M-i)= Count(M) 这与M是最优选择矛盾，故M-i为A - { 1,2，···，i }的最优选择。 所以方案是正确的。 第5章 回溯法 问题的解空间 问题的解空间 应明确问题的解空间的定义 问题的解空间至少应包含问题的一个（最优解）。 对问题解空间进行组织 通常组织为树或图的形式。 ——有利于回溯法对整个解空间的搜索 算法实现题：2-2. 在一个由元素组成的表中,出现次数最多的元素称为众数.试写一个寻找众数的算法,并分析其计算复杂性. 分析与解答: 思路一:首先将数组元素按照大小排序,然后按照顺序扫描一遍数组,扫描的同时进行统计,这样通过一次排序和一遍扫描可以找到众数. 思路二:直接统计各元素出现的次数,用某一线性数据结构存储统计结果(例如用一个辅助数组存储统计结果,统计时用数组下标对应相应元素) 第三章:动态规划 动态规划算法的基本思想 动态规划算法的基本思想 其基本思想与分治算法的思想类似——分而治之 与分治法的不同之处 分解后的子问题往往不互相独立； 采用记录表的方法来保存所有已解决问题的答案 对每个子问题都只计算一次，不管该子问题以后是否会被用到，都将其保存到一张表中，避免每次遇到各个子问题都要重复计算答案。 一个最优化多步决策问题适合用动态规划法求解有两个要素：最优子结构特性和重叠子问题。 动态规划算法的一般步骤 动态规划算法的一般步骤 找出最优解的性质，并刻画其结构特征； 递归地定义最优值； 以自底向上的方式计算出最优值； 根据计算最优值时得到的信息，构造最优解； 动态规划算法的基本步骤 如只需要求出最优值，则步骤4可省略； 如需要求解问题的最优解，则必须执行步骤4 动态规划算法求解思路 动态规划算法求解思路 将待求解的问题分解成若干个相互联系的子问题，先求解子问题，然后从这些子问题的解得到原问题的解； 对于重复出现的子问题，只在第一次遇到的时候对它进行求解，并把答案保存起来，让以后再次遇到时直接引用答案，不必重新求解 。 动态规划算法将问题的解决方案视为一系列决策的结果，与贪婪算法不同的是: 在贪婪算法中，每采用一次贪婪准则，便做出一个不可撤回的决策； 在动态规划算法中，还要考察每个最优决策序列中是否包含一个最优决策子序列，即问题是否具有最优子结构性质。 通过应用范例学习动态规划算法设计策略。 （1）矩阵连乘问题； （2）最长公共子序列； （3）最大子段和 （4）凸多边形最优三角剖分； （5）多边形游戏； （6）图像压缩； （7）电路布线； （8）流水作业调度； （9）背包问题； （10）最优二叉搜索树。 矩阵连乘问题----最优解的结构 将矩阵连乘积AiAi+1…Aj记作A[i:j] 把问题转化成考察A[1:n]的最优计算次序问题 设计算次序在A[k]处将矩阵断开最优，则总计算量为： A[1:k] 的计算量加上A[k+1:n]的计算量，再加上A[1:k] 和A[k+1:n]相乘的