第一章 绪论
1、重要特性
1.输入
2.输出
3.有穷性
4.确定性
5.可行性
2、描述算法的方法
1.自然语言:优点是直观易懂,缺点是容易出现二义性
2.流程图:优点是直观易懂,缺点是严密性不如程序设计语言,灵活性不如自然语言
3.程序设计语言:优点是计算机直接运行,缺点是抽象性差
4.伪代码:
3、递归算法分析
1.猜测技术
2.扩展递归技术
3.通用分治递归推式
第二章 NP完全理论
第三章 蛮力法
3.1 蛮力法的设计思想
蛮力法依赖的基本技术——扫描技术,即采用一定的策略将待求解问题的所有元素依次处理一次,从而找出问题的解;
关键——依次处理所有元素。
3.2 查找问题中的蛮力法
3.2.1 顺序查找O(n)
3.2.2串匹配问题
BF O(n*m)
BMP O(n+m)
BM O(n*m)
3.3 排序问题中的蛮力法
3.3.1 选择排序O(n2)
3.3.2 起泡排序O(n2)
3.4 组合问题中的蛮力法
3.4.1 生成排列对象O(n!)
3.4.2 生成子集O(2n)
3.4.3 0/1背包问题O(2n)
3.4.4 任务分配问题O(n!)
3.5 图问题中的蛮力法
3.5.1 哈密顿回路问题O(n!)
3.5.2 TSP问题O(n!)
3.6 几何问题中的蛮力法
3.6.1 最近对问题O(n2)
3.6.2 凸包问题O(n3)
3.7 实验项目——串匹配问题
第四章 分治法
4.1 分治法的设计思想
设计思想:将要求解的原问题划分成k个较小规模的子问题,对这k个子问题分别求解。如果子问题的规模仍然不够小,则再将每个子问题划分为k个规模更小的子问题,如此分解下去,直到问题规模足够小,很容易求出其解为止,再将子问题的解合并为一个更大规模的问题的解,自底向上逐步求出原问题的解。
步骤:(1)划分(2)求解子问题(3)合并
4.2 排序问题中的分治法
4.2.1 递归排序O(nlog2n)
4.2.2 快速排序O(nlog2n)
4.3 组合问题中的分治法
4.3.1 最大字段和问题O(nlog2n)
4.3.2棋盘覆盖问题O(4k)
4.3.3 循环赛日程安排问题O(4k)
4.4 几何问题中的分治法
4.4.1 最近对问题O(nlog2n)
4.4.2 凸包问题O(nlog2n)
4.5 实验项目——最近对问题
第五章 减治法
5.1 减治法的设计思想
原问题的解只存在于其中一个较小规模的子问题中,所以,只需求解其中一个较小规模的子问题就可以得到原问题的解。
5.2 查找问题中的减治法
5.2.1 折半查找O(log2n)
5.2.2 二叉查找树O(log2n)
5.3 排序问题中的减治法
5.3.1 堆排序O(log2n)
5.3.2 选择问题O(log2n)
5.4 组合问题中的减治法
5.4.1 淘汰塞冠军问题O(n)
5.4.2 假币问题O(log2n)
5.5 实验项目——8枚硬币问题
第六章 动态规划法
6.1动态规划法的设计思想
将待求解问题分解成若干个相互重叠的子问题,每个子问题对应决策过程的一个阶段,将子问题的解求解一次并填入表中,当需要再次求解此子问题时,可以通过查表获得该子问题的解而不用再次求解。
步骤:
将原始问题分解为相互重叠的子问题,确定动态规划函数;
求解子问题,填表;
根据表,自底向上计算出原问题的解。
6.2 图问题中的动态规划法
6.2.1 TSP问题O(2n)
6.2.2 多段图的最短路径问题O(n+m)
6.3 组合问题中的动态规划法
6.3.1 0/1背包问题O(n*C)
6.3.2 最长公共子序列问题O(n*m)
.
6.4 查找问题中的动态规划法
6.4.1 最优二叉查找树O(n^3)
6.4.2 近似串匹配问题
6.5 实验项目——最大子段和问题
第七章 贪心法
7.1 贪心法的设计思想
贪心法在解决问题的策略上目光短浅,只根据当前已有的信息就做出局部最优选择,而且一旦做出了选择,不管将来有什么结果,这个选择都不会改变。
贪心法的关键在于决定贪心策略。
7.2 图问题中的贪心法
7.2.1 TSP问题O(2n)
7.2.2 图着色问题
7.2.3 最小生成树问题O(2n)
7.3 组合问题中的贪心法
7.3.1 背包问题O(nlog2n)
7.3.2 活动安排问题O(nlog2n)
7.3.3 多机调度问题O(n*m)
7.4 实验项目——哈夫曼编码
第八章 回溯法
8.1 回溯法的设计思想
从解空间树根结点出发,按照深度优先策略遍历解空间树,在搜索至树中任一结点时,先判断该结点对应的部分解是否满足约束条件,或者是否超出目标函数的界,也就是判断该结点是否包含问题的(最优)解,如果肯定不包含,则跳过对以该结点为根的子树的搜索,即所谓剪枝(Pruning);否则,进入以该结点为根的子树,继续按照深度优先策略搜索。直到搜索到叶子结点,则得到问题的一个可能解。
步骤:
确定解向量和分量的取值范围,构造解空间树;
确定剪枝函数;
对解空间树按深度优先搜索,搜索过程中剪枝;
从所有的可能解中确定最优解。
8.2 图问题中的回溯法
8.2.1 图着色问题
8.2.2 哈密顿回路问题
8.3 组合问题中的回溯法
8.3.1 八皇后问题
8.3.2 批处理作业调度问题
8.4 实验项目——0/1背包问题
第九章 分支界限法
9.1 分支限界法的设计思想
1)首先确定一个合理的限界函数,并根据限界函数确定目标函数的界[down, up] ,并确定限界函数;
2)然后按照广度优先策略遍历问题的解空间树,在分支结点上,依次搜索该结点的所有孩子结点,分别估算这些孩子结点的限界函数的可能取值;
3)如果某孩子结点的限界函数可能取得的值超出目标函数的界,则将其丢弃;否则,将其加入待处理结点表(以下简称表PT)中;
4)依次从表PT中选取使限界函数的值是极值的结点成为当前扩展结点;
5)重复上述过程,直到找到搜索到叶子结点,如果叶子结点的限界函数的值是极值,则就是问题的最优解,否则,找到其他极值结点重复扩展搜索。
步骤:
确定解空间树
确定限界函数
按广度优先搜索解空间树,计算限界函数的值,填入PT表
从PT表中寻找极值,继续扩展结点,直到找到限界函数值为极值的叶子结点。
9.2 图问题中的分支限界法
9.2.1 TSP问题
9.2.2 多段图的最短路径问题
9.3 组合问题中断饿分支限界法
9.3.1 任务分配问题
9.3.2 批处理作业调度问题
5
9.4 实验项目——电路布线问题
第十章 概率算法
第二篇:算法分析总结
动态规划,基本上就是说:
你追一个MM的时候,需要对该MM身边的各闺中密友都好,这样你追MM这个问题就分解为对其MM朋友的问题,只有把这些问题都解决了,最终你才能追到MM。
该方法适用于聪明的MM,懂得“看一个人,不是看他如何对你,而是看他如何对他人。”的道理,并且对付这样的MM总能得到最优解。
该方法的缺点是开销较大,因为每个子问题都要好好对待。。。。
////////////////////////////////////////////////////////////////////
贪心法,基本上就是:
你追一个MM的时候,从相识到相知,每次都采用最aggressive的方式,进攻进攻再进攻!从不采用迂回战术或是欲擒故纵之法!目标是以最快的速度确立两人关系。
该法优点是代价小,速度快,但缺点是不是每次都能得到最优解。。。。。
////////////////////////////////////////////////////////////////////
回溯算法,基本上就是:
追一个MM,但也许你还是情窦初开的新手,不知道如何才能讨得MM的欢心,于是你只好一条路一条路的试,MM不开心了,你就回溯回去换另一种方式。当然其间你也许会从某些途径得到一些经验,能够判断哪些路径不好,会剪枝(这就是分支估界了)。你也可以随机选择一些路径来实施,说不定能立杆见影(这就是回溯的优化了)但总的来说,你都需要一场持久战。。。。
该算法一般也能得到最优解,因为大多数MM会感动滴!!但其缺点是开销大!除非你是非要谈一场恋爱不可,否则不推荐使用。特别是你可能还有许多其他的事情要做,比如学习,比如事业。。。。
////////////////////////////////////////////////////////////////////
老赵提问:假如一个mm对应NP完全问题,老大给个有效解法
eshow回答:呵呵,那你为什么那么贱,非要去追呢?记住:“天涯何处无芳草!”不过如果你“非如此不可”的话,建议升级你的硬件,好好学习,好好工作,加强实力,人到中年的时候也许你能解开NP难。。。。
强哥补充:这种MM可遇而不可求了,也就是eshow的终极目标。eshow其实已经开发出了
解决NP完全问题的对数级算法,但是不愿意告诉偶们……
在认真研读思考之后,calf mm举一反三,对深度优先和广度优先也做了总结:深度优先就是追一个mm追到底,直到失败然后换个mm继续追……广度优先就是同时追多个mm,一起发展……
////////////////////////////////////////////////////////////////////
大家都开始集思广益……
老马:二叉树的前序、中序和后序周游:
前序就是直接搞定MM,然后搞定她爸妈(左)和你自己爸妈(右); 中序就是先搞定未来岳父岳父,然后搞定她,最后告诉你爸妈;后序就是,让未来的岳父岳母和自己爸妈都觉得你们合适之后,才对MM下手,这个时候,就没有障碍了啊!
****************************************************
网络流:
追MM的时候总避免不了送礼物,但是你老是直接送礼物就会给MM造成很大的压力,于是你就想到了通过朋友来转送的方法。你希望送给MM尽可能多的礼物,所以就是需要找到一中配送方案,就是最大流了。然而你请别人帮忙并不是不要开销的,你让A同学拿去给B同学可能需要一些花费,自然你不是一个大款,想最小化
这个花费,那么就是最小费用最大流了……
****************************************************
在你追了若干美女都失败告终后,你发现有一批美女追起来是一样困难的,如果你能追到其中任何一个就能追到其他所有的美女,你把这样的女人叫作NP-Complete。P=NP:这是一个美好的猜想,追美女和恐龙的难度其实一样。APX与Random:NP的美女难追,你无法完全占有她。你只好随机的去靠近她,装作若无其事;或者用一种策略,追到她的一个approximation ratio,例如50%。APX-hard:这样的女人,连一个固定的百分比都不给你,还是另谋高就吧。
****************************************************
匹配:从初中到高中到大学大家追来追去,就是个二分图匹配的过程...."和谐社会"应该就一个最大匹配...
可是后来有某些MM同时跟>1个人发展,违背了匹配的基本原则...大家都很BS之...然后最近断背山很火,人们惊奇得发现原来还可以是 任意图匹配...
STL:某位贝尔实验室的大牛在追了N个MM后,为了造福后来人,总结了自己的经验, 出了本《 追MM求爱秘笈大全》,英文名叫Standard courTing Library,缩写为
STL广大同学在使用STL后,惊喜地发现追MM变得异常方便,大大缩短了时间和精力...