编程语言
首页 > 编程语言> > 算法分析与设计复习笔记

算法分析与设计复习笔记

作者:互联网

算法分析与设计复习笔记

第一章 算法概述

  1. 算法的性质:输入、输出、确定性、有限性
  2. 算法的复杂性分析:
    • 算法的渐进复杂性: T(N) - T’(N) / T(N) -> 0,就说T’(N)是T(N)当N->无穷的渐进性态。
    • f(N) = O(g(N)) : 当N >= N0时有f(N) <= Cg(N), 称函数f(N)当N充分大时有上界,g(N)是它的一个上界。 (大O相当于<=)
    • f(N) = Ω(g(N)): 当N >= N0时有f(N) >= Cg(N),称函数f(N)当N充分大时有下界,g(N)是它的一个下界。 (大Ω相当于>=)
    • f(N) = θ(g(N)): (相当于=)

第二章 递归与分治策略

  1. 分治法的设计思想:将一个难以直接解决的大问题分割成一些规模较小的相同问题,以便各个击破,分而治之。
  2. 排序问题的计算时间下界为Ω(nlogn)
  3. 典型例题:
    • 整数划分问题
    • Hanoi塔问题
    • 二分搜索
    • 大整数乘法
    • Strassen矩阵乘法
    • 合并排序
    • 快速排序
    • 线性时间选择
    • 循环赛日程表*

第三章 动态规划

  1. 动态规划的基本思想:将待求解的问题分解成若干子问题,先求解子问题,在结合子问题的解得到原问题的解,用一个表记录所有已解决的子问题的答案。
  2. 动态规划算法的基本要素
    • 最优子结构性质:问题的最优解包含其子问题的最优解
    • 重叠子问题性质
  3. 动态规划算法适用于解最优化问题,设计步骤为:
    • 找出最优解的性质,刻画其结构特征
    • 递归的定义最优值
    • 自底向上的计算最优值
    • 根据计算的最优值时得到的信息构造最优解
  4. 动态规划算法的变形:备忘录方法
    • 用表格保存已解决的子问题的答案,与DP不同的是,备忘录方法是自顶向下递归的
    • 备忘录方法为每个子问题建立一个记录项,初始化时存入一个特殊值,表示尚未求解。求解过程中,对于每个子问题首先查看其相应的记录项,若未求解,则计算问题的解并保存在记录项中。
  5. 经典例题:
    • 矩阵连乘问题:
      m[i, j] = 0 ; i =j
      m[i, j] = min{m[i, k] + m[k + 1, j] + Pi-1PkPj} ; i < j
    • 最长公共子序列:
      c[i, j] = 0 ; i > 0, j = 0
      c[i, j] = c[i - 1, j - 1] + 1 ; i,j > 0; xi == yi
      c[i, j] = max{c[i, j - 1], c[i - 1, j]} ; i,j > 0; xi != yi
    • 最大子段和:
      b[j] = max{b[j - 1] + a[j], a[j]}; 1 <= j <= n
    • 凸多边形的最优三角剖分:
      t[i, j] = 0 ; i = j
      t[i, j] = min {t[i, k] + t[k + 1, j] + w(Vi-1 Vk Vj)} ; i < j
    • 0-1背包问题:
      m[i, j] = max{m[i + 1, j], m[i + 1, j - Wi] + Vi} ; j >= Wi
      m[i, j]= m[i + 1, j]
      m[n, j] = Vn; j >= Wn
      m[n, j] = 0 ; 0 <= j < Wn
    • 最优二叉搜索树:
      m[i, j] = Wi,j + min {m[i, k - 1] + m[k + 1, j]} ; i <= j
      m[i, i - 1] = 0 ; 1 <= i <= n

第四章 贪心算法

  1. 贪心算法的基本思想:总是做出在当前看来最好的选择
  2. 贪心算法的基本要素:
    • 最优子结构性质
    • 贪心选择性质:所有问题的整体最优解可以通过一系列局部最优的选择来达到。
  3. 典型例题:
    • 活动安排问题:按结束时间递增排列
    • 背包问题:(背包问题可以贪心求解,而0-1背包问题不可贪心求解)
    • 最优装载问题
    • 哈夫曼编码
    • 单源最短路径:计算从源到其他各顶点的最短路径长度
      Dijkstra算法
    • 最小生成树:
      Prim算法:每次选择连通的最短的边
      Kruskal算法:每次选择最短的边,可以不连通
    • 多机调度问题:最长处理时间作业优先的贪心选择策略

第五章 回溯法

  1. 回溯法的基本思想:从开始结点出发,以深度优先方式搜索整个解空间。
  2. 使用两种策略避免无效搜索(剪枝函数):
    • 约束函数在扩展节点处减去不满足约束的子树
    • 限界函数减去得不到最优解的子树
  3. 常见的解空间树:子集树(2^n个节点)和排列树(n!个节点)
  4. 典型例题:
    • 装载问题
    • n后问题:
      用完全二叉树表示解空间,可行性约束Place减去不满足行、列和斜线约束的子树
    • 0-1背包问题
    • 图的m着色问题
    • 旅行售货员问题

第六章 分支限界法

  1. 分支限界法的基本思想:以广度优先或最小耗费优先的方式搜索解空间,在每个活结点处计算一个函数值限界,根据函数值选择一个最有利的节点作为扩展节点。
  2. 分类:
    • 队列式分支限界法:选择最大优先队列或最小优先队列存储活结点
    • 优先队列式分支限界法:使用最小堆存储活结点
  3. 典型例题:
    • 单源最短路径问题
    • 装载问题
    • 0-1背包问题
    • 旅行售货员问题

第七章 随机化算法

  1. 数值随机化算法常用语数值问题的求解,得到的往往是近似解。
  2. 蒙特卡洛算法用于求问题的准确解,能求得一个解,但未必是正确的。
  3. 拉斯维加斯算法不会得不到不正确的截断,一旦找到解就一定是正确的,但有时找不到解。
  4. 舍伍德算法总能求得问题的一个解, 且求得的解总是正确的。

标签:复习,求解,笔记,问题,算法,最优,限界,贪心
来源: https://blog.csdn.net/Maxi_0902/article/details/117187703