《可视化计算》算法综合加工了的.ppt

2-end End-3 不可计算的牌组如何确定？ 计算搜索开始前，先检查某个特定牌组的计算可能性呢？ 如果肯定得不到24的计算结果（例如，1，1，1，1和10，10，10，10），那么就可以马上重新发牌，开始新一轮计算 可以使用查表的方式来解决！ * 问题 每次查阅这张表也不是一个简单的过程，因为该表列出的关键字是使用字符串实现的，尽管字符串也可以转换成数字进行排序，但显然会增加查找过程的计算工作量 能否设计一个算法，不用转换关键值，又可以减少顺序查找的扫描工作量？ 可以考虑采用分块查找算法，该算法又称索引顺序查找，它是顺序查找的一种改进方法 * 分块查询的基本思想 将n个数据元素按块有序划分为m块 （m ≤ n） 每一块中的节点不必有序，但块与块之间必须按块有序； 即第1块中任一元素的关键字都必须小于第2块中任一元素的关键字； 而第2块中任一元素又都必须小于第3块中的任一元素，… * 分块查找的实现 不可计算牌组保存在（以文本格式）文件中 从文件读入后，产生一个索引数组 保存各块的起始元素下标 * 分块算法设计的说明 主要子图 Main：主流程控制；输入/输出 Input_list_stringc：从文件读入149个牌组 Indexing：建立分块索引表 Random_number：产生测试牌组a[] Sort：将测试牌组a[]排序 Setsample:将测试牌组a[]转成测试字符串 Block_search_test:进行分块查找 * 分块查询 Main子图 * 分块查询 主要数据结构: Str_list[]: 保存文件读入的149个牌组，字符串 A[]：保存随机产生的4张牌（1~10），数值 In_key:保存排序完成的牌组样本，字符串 Index[，]：保存分块索引表， * 分块查询 Set_sample子图 * 分块查询 Indexing子图 * 分块算法设计的分析 分块查找的第一部分是进行索引表的查询 一般来说，索引表长度在10以内，就可以使用顺序查找，否则使用二分查找 为了简化算法，本例将149组数据只划分了9个块，以10开始的牌组只有一个，这里将其与9开始的牌组合并了 24点牌组的不可计算比为149/715，将查询初值ok赋值为true，可以减少赋值运算的次数 * 分块算法的运行说明 由于采用随机数产生测试牌组，所以测试无需输入样本，只要回答，y/n即可 需要自行输入样本，可以自行修改样例算法，再进行测试 * 分块查找的时间复杂度 分块查找的时间复杂度：O（索引表查找+块内查找） O（索引表二分查找+块内顺序查找） O(log2 B) + (M+1）/2 O（索引表顺序查找+块内顺序查找） O（ (B+1）/2 + (M+1）/2） 一般描述：O（ ） 分析： 实际应用中不一定分成大小相等的块，可按表的特征分块（如本例所设计） 提高了顺序查找的效率，但付出了空间的代价（索引表） * 哈希查找 哈希是hash的音译，意为“杂凑”，也称散列 哈希表是一种重要的存储方式，哈希查找技术是一种按照关键字编址的检索方法 哈希查找不同于前面的几种查找方法，它是通过对记录的关键字值进行某种运算，直接求出记录文件的地址 是关键字到地址的直接转换方法，而不需要反复比较，所以计算复杂性为常数阶：O（1） * 哈希查找的实现过程 仍以24点不可计算作为基本查找的数据集 由于哈希查找需要对牌组内的牌面进行计算 注意这一点与分块查找不同 每个牌组内的每张牌面，都必须转变成可以计算的数字 需要设计哈希函数并构建哈希表 * 哈希表查找方法的基本思想 如果在记录的存储位置与它的关键字之间建立一个确定的关系H（） 使每个关键字和一个唯一的存储位置相对应 在查找时，只需要根据对应关系计算出给定的关键字值k对应的值H(k)，就可以得到记录的存储位置 在使用哈希方法解决24点不可计算牌组时，就是将牌面数字计算后查表，可以查到为不可计算；不可查到就是可以计算 * 哈希表的构建 哈希函数（hash function），记录的关键字值与记录的存储位置的对应关系H称为哈希函数，H(k)的结果被称为哈希地址 哈希表（hash table），是根据哈希函数建立的表，以记录的关键字值为自变量，根据哈希函数，计算出对应的哈希地址，并在此存储该记录的内容 * 哈希冲突与解决 冲突（collision），不同的关键字值其哈希函数计算的哈希地址相同，具有相同函数值的关键字值称为同义词（synonym） 本例中处理同义词冲突的方法是拉链法 ，当发生冲突时，在冲突位置的二维数组行上寻找存放记录的空闲单元 * 24点算法的不可计算案例哈希 设定哈希表的长度为