算法复习提纲.docxVIP

复习

递归：

定义、递归算法的效率分析（时间的递推式）

蛮力法：

定义：

蛮力法是一种简单直接的解决问题的方法，常常直接基于问题本身设计算法。可以用“直接干吧！”来描述蛮力法策略，通常是最容易想到和采用的一种简单直接的算法设计策略。

特点：1.算法设计较为简单直接，相对容易；

通常，算法效率不高。因此，高效算法一般很少来自于蛮力法。

可以解决广泛领域的各种问题，几乎是唯一一种解决各种问题的

一般性方法。常用于一些非常基本而又十分重要的算法。比如：

计算n个数的和；求一个列表的最大元素，等等。

对于一些重要的算法（如排序、查找、矩阵乘法、字符串匹配），

蛮力法可以产生一些合理算法，多少具备一些实用价值，且并不限制问题的规模。

5对于规模不大的问题，蛮力法的计算速度可以接受时，设计一个

高效算法所花费的代价很可能不值得。（人力成本，算法复杂度）

6.蛮力法可为研究和教学服务，以它作为尺度，衡量该问题的其他

算法的效率。

例：选择排序、冒泡排序、顺序查找、字符串匹配、穷举查找（穷举查找是一种简单的蛮力法。）等、

分治法：

定义：

分治法是著名的通用算法设计技术，很多非常有效的算法实际上是这个通用算法的特殊实现。基本思想符合人们在解决复杂问题时，常常将其从大到小逐步分解，进而将较易求解的小问题解合并得到原问题的解。这即是分治法”的分而治之的思想。

分解原问题规模为较小的子问题，子问题最好有相同规模；

求解子问题；（1、2步“分解一求解”过程通常是递归的，直到子问题可简单求解为止）

合并子问题的解，得到原问题的解（必要的话）。

效率分析：

建立递归算法的递推式并求解得到增长函数的增长率类型：

分治法运算时间的通用分治递推式：

一个规模n的问题，每次被分为a个子问题，每个子问题规模n/b

（上例：a=2,b=2）。为简化分析，假定n是b的乘方即n=bk

k=1,2,3,...,通用分治递推式如下：

\c,nt

T(n)或 「

\aT(nlb)+f(n),nt

r

c：子集（规模为tr）求解时间（常量）；（时间：基本操作数）

f（n）：子集分解和子集解合并的时间。（本例比较1次即f（n）=1）解递推式，得到时间效率（主定理）：若：

f(n)e?(nd),d0

0(nd), abd

T(n)=0(ndlogn),a=bd

0(孩师), abd

应用例：

折半查找、合并排序、快速排序、大整数乘法、在序列A[1..n]中找最大最小元素的问题、循环锦标赛问题等

减治法：

定义：

利用给定规模与较小规模问题解之间的关系，从顶至下（递归）或从底至上（非递归）求解问题的一种方法。减治法通常分为3种：

?减常量法：常量通常为1即减1法，也有减2的（如奇偶数分别处理）

?减常因子法：常因子通常为2（减半技术）。

?减可变规模法。

例：

插入排序、深度优先与广度优先搜索、拓扑排序等

减治与分治的区别

变治法：

定义：变治法是一种通用的算法设计技术，基于变换的思想。

?:?变：把问题变得更容易求解；

?:?治：对变换后的问题求解。

变治策略有3种主要类型：

实例化简：变换为更简单的实例。如预排序。

改变表现：变换为不同表现实例。如AVL树，2-3树，堆。

问题化简：变换为另一个问题的实例。如数学建模，将具体应用问题用变量、函数、方程这样的数学对象来表达。

动态规划：

定义：把求解过程分为一系列阶段，各个阶段依次按照最优性原则计算，最后阶段计算得到最优解。包括分段、求解两大步。（不能段化的问题不能用动态规划法求解）

动态的含义：

求解算法施加的状态是变化的。当前状态只与其直接前趋状态有关，对其直接前趋状态施加求解算法，成为当前状态。

最优性原则（PrincipleofOptimality）

一个最优问题任何实例的最优解，是由该实例的子实例的最优解组成的。子实例组成父实例，父实例分解为子实例。

动态规划法的特点：

分阶段（级）决策。对最优化问题，用最优性原则设计。

一般采用自顶向下分析（规模减小），自底向上计算（规模增加）。计算过程是一级一级（一阶段一阶段）地向前推进，直到最终状态。

动态规划算法的基本要素：

最优子结构性质和重叠子问题。

最优子结构性质：

问题的最优解包含着它的子问题的最优解。即不管前面的策略如何，此后的决策必须是基于当前状态（由上一次决策产生）的最优决策。

重叠子问题：

在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些问题被反复计算多次。对每个子问题只解一次，然后将其解保存起来，以后再遇到同样的问题时就可以直接引用，不必重新求解。

解决问题的基本特征

动态规划一般解决最值（最优，最大，最小，最长……）问题；

动