处理少量的资料培训教材.pptVIP

BinarySearch 以二分搜尋法搜尋指定元素所在的索引值。共有 4 種多載, 本單元僅介紹其中第一個多載, 語法如下： array 是欲搜尋的一維陣列, value 是欲搜尋的值, 並傳回該值所在的索引; 若欲搜尋的值不在陣列, 則傳回負值。例如： 結果是 2 。但是, 結果是 -5。(因 7 不在 a 陣列) 6-4 實例研究 多項式相加 考慮兩個多項式的相加 假如我們宣布一維陣列 DIM A(n), n 為最高項係數, A(0)=n, A(1)=a1, A(2)=a1, a(n+1)=an 。如果此多項式冪次很高且缺項很多, 則非常浪費記憶體。例如, 2x +3x +4, 雖只有 3 項, 但卻須 1001 個記憶體來儲存, 且其演 算法如下： 讀者發現其執行效率也非常差, 共須執行 1001 次的加法運算, 如有一項為 x 將變得非常不實際。但是, 若換一個角度來思考, 假如只儲存非零係數, 設有多項式如下 並以 A(1) 表示非零個數, A(2), A(3)…分別儲存非零係數與非零係數的冪次。例如, 只有 3 個非零係數, 則只須 7 個記憶體來儲存, 如以下敘述： 首先, 宣告變數如下: 其次, 其運算法如下: 執行分析 設有兩項式欲執行相加 設定 p、q、r 指標分別指到第 A、B、C 多項式的非零冪次。 2. A 陣列的冪次 100 大於 B 陣列的冪次 98, 所以將 100 與 2 分別抄至 C(2) ← 100, C(3)← 2, p 指標、r 指標分別往後挪二格。 3. 2＜98 ∴C(4)=98, C(5)=6 4. 2＝2 ∴C(6)=2, C(7)=3+4=7 5. 0＜1 ∴C(8)=1, C(9)=1 6. B 陣列已結束, 將 A 陣列剩下的全抄入 C 陣列 ∴C(10)=0 C(11)=4 7. 將 C 多項式的非零個數放入 C(1)。 所以 C 陣列得到 C(5, 100, 2, 98, 6, 2, 7, 1, 1, 0, 4), 代表 5 個非零係數 矩陣 矩陣是數學上一個重要的課題, 因許多問題都可能應用到矩陣。對於學計算機的人而言, 我們有興趣的是如何表示矩陣, 以使它們的運算能有效率地執行。通常一個矩陣由 m 列 (Row) 及 n 行 (Column) 所構成, 如下圖所示。 第一個矩陣有五列、三行, 第二個有六列、六行, 通常我們以 m × n (讀作 m by n) 表示一個 m 列及 n 行的矩陣, 這種矩陣有 m × n 個元素, 如果m=n, 就叫做方陣 (Spuare) 。 很自然地我們是把矩陣存在一個二維的陣列中, 如 A〔1......m, 1.....n〕, 其元素可以寫成 A〔i, j〕。在上圖第二個矩陣中有許多零元素, 我們稱它為稀疏矩陣 (Sparse matrix) , 矩陣是否稀疏並沒有明確的定義, 但可以憑直覺知道。像這個矩陣 36 個元素中只有 8 個非零元素, 故可以叫做稀疏矩陣。稀疏矩陣必須考慮另一種表示法, 例如我們所處理的矩陣可能大到1000 × 1000, 然而它也許只有 1000 個非零元素, 今天大部份的計算機都不可能一下子將一個 1000 × 1000 之矩陣的所有元素儲存進去, 因此要用不同的表示法來表示稀疏矩陣, 在這種修正過的表示法中只將非零的元素儲存起來。矩陣中每個元素可以以行及列的位置標示出來, 因此矩陣可以用 3 元一組的串列儲存： 當然我們也可以利用別的方式組織這一組串列, 而使列的數目不斷增 加；或行的數目不斷增加。如此可以把上圖的第二個陣列儲存在陣列 A〔0......t, 1......3〕, 其中 t=8, 是非零項的數目。 元素 A〔0, 1〕及 A〔0, 2〕包含列及行的數目, A〔0, 3〕包含非零項 的數目。現在有那些運算可以應用在這些矩陣上呢﹖其中之一就是求它的轉置矩陣 (Transpose matrix) , 就是把 i 、j 位置上的元素換到 j 、i 位置上去,換句話說就是把列跟行互換, 而對角線上的元素不會改變, 因為 i=j 。上面這個例子的轉置矩陣變成： 由於 A 是按列排列, 我們要做矩陣轉置的第一個概念可能是：對每 個 i 列取元素 (i, j, val) 並且將之儲存在轉置矩陣的 (j, i, val) 。這種方法有一個困擾的地方, 就是在所有元素沒有處理完畢之前, 我們不能知道 (j, i, val)將存於轉置矩陣表示法中的那一個位置。例如, 將上圖的矩陣轉置： 如果我們只是將它們一個一個挨著放, 那麼就需要加入許多新的三元串列項, 這樣就會迫使我們經常要把元素移到下一個位置。為了避免這種資料的搬動, 我們可以按著所要之順序找到所要