《算法初步知识小结》课件.pptxVIP

算法初步知识小结

目录算法概述算法设计基础算法复杂度分析常见算法应用场景算法优化与改进总结与展望

01算法概述

算法的定义01算法是解决问题的步骤的有限序列，每一步必须明确，并且能有效地执行并得到确定的结果。02算法必须具有输入，即算法在执行过程中需要从外界获取数据。算法必须具有输出，即算法执行的结果需要能够被用户或者机器所获取。03

输出算法必须有输出，即执行结果。输入算法必须有输入，可以是零个或多个。可行性算法的每一步都必须是可以实现的，不能包含无法实现的操作。有穷性算法必须在有限步骤内完成，且每一步的时间也是有限的。确定性算法的每一步都必须清晰明确，不能有歧义。算法的特性

自然语言用人类语言描述算法步骤。伪代码用类似于编程语言的简化和非正式的语言描述算法步骤。流程图使用图形符号表示算法步骤。程序设计语言用一种或多种编程语言实现算法。算法的表示方法

02算法设计基础

贪心算法是一种在每一步选择中都采取在当前状态下最好或最优（即最有利）的选择，从而希望导致结果是最好或最优的算法。总结词贪心算法在每一步都做出在当前状态下最好或最优的选择，从而希望导致结果是全局最好或最优的。它通常用于解决具有最优子结构和局部最优解能导向全局最优解的问题。贪心算法并不一定能找到全局最优解，但对于一些问题，它能给出相当好的近似最优解。详细描述贪心算法

分治算法是将一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题，直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。总结词分治算法的核心思想是将一个复杂的问题分解为两个或更多的相同或相似的子问题，然后递归地解决这些子问题。最后将子问题的解合并，得到原问题的解。这种算法的典型例子包括归并排序和快速排序等。详细描述分治算法

总结词动态规划是一种通过把原问题分解为相对简单的子问题的方式来求解复杂问题的方法。它通过把子问题的解存起来，避免重复计算，从而极大地提高了算法的效率。详细描述动态规划通过把原问题分解为相互重叠的子问题，并把子问题的解存起来以避免重复计算，从而提高算法的效率。这种算法通常用于求解具有重叠子问题和最优子结构性质的问题。常见的动态规划应用包括背包问题、最长公共子序列等。动态规划

VS回溯算法是一种通过穷举所有可能情况来解决问题的算法，适用于解决决策问题。详细描述回溯算法通过穷举所有可能的情况来找到问题的解。它通常用于解决决策问题，特别是那些可能存在许多约束条件的复杂问题。回溯算法在求解组合优化问题时非常有效，例如排列组合、图的着色问题等。总结词回溯算法

03算法复杂度分析

时间复杂度定义时间复杂度是衡量算法运行时间随输入规模增长而增长的量度，通常用大O表示法表示。时间复杂度分析方法通过分析算法中基本操作次数与输入规模的关系，确定算法的时间复杂度。时间复杂度分类常见的时间复杂度有常数时间复杂度O(1)、线性时间复杂度O(n)、对数时间复杂度O(logn)、线性对数时间复杂度O(nlogn)、平方时间复杂度O(n2)、立方时间复杂度O(n3)等。时间复杂度

空间复杂度空间复杂度是衡量算法所需存储空间随输入规模增长而增长的量度，也用大O表示法表示。空间复杂度分析方法通过分析算法中数据结构所需存储空间与输入规模的关系，确定算法的空间复杂度。空间复杂度分类常见的空间复杂度有常数空间复杂度O(1)、线性空间复杂度O(n)、平方空间复杂度O(n2)、立方空间复杂度O(n3)等。空间复杂度定义

选择排序的时间复杂度和空间复杂度分析选择排序的时间复杂度为O(n2)，其中n为输入规模；空间复杂度为O(1)。二分查找的时间复杂度和空间复杂度分析二分查找的时间复杂度为O(logn)，其中n为输入规模；空间复杂度为O(1)。算法复杂度实例分析

04常见算法应用场景

数据排序通过重复地遍历待排序的数列，一次比较两个元素，如果他们的顺序错误就把他们交换过来。遍历数列的工作是重复地进行直到没有再需要交换，也就是说该数列已经排序完成。冒泡排序在未排序的序列中找到最小（或最大）的元素，存放到排序序列的起始位置，然后再从剩余未排序的元素中继续寻找最小（或最大）元素，然后放到已排序序列的末尾。以此类推，直到所有元素均排序完毕。选择排序

图论问题最小生成树在一个加权连通图中，一个生成树是该图的一棵包含其所有顶点的树，且所有边的权值之和最小。常用的求解最小生成树的算法有Prim算法和Kruskal算法。最短路径在一个带权图中找到两个顶点之间的最短路径。常用的求解最短路径的算法有Dijkstra算法和Floyd-Warshall算法。

在主串中从左向右依次取出子串与模式串进行匹配，如果匹配成功则匹配结束，否则继续取下一个子串进行匹配。常用的朴素字符串匹配算法有暴力匹配和优化匹配。当出现字符不匹配的