算法分析与设计 实验三 最大子段和问题
算法分析与设计作业参考答案
算法分析与设计作业参考答案《算法分析与设计》作业参考答案作业⼀⼀、名词解释:1.递归算法:直接或间接地调⽤⾃⾝的算法称为递归算法。
2.程序:程序是算法⽤某种程序设计语⾔的具体实现。
⼆、简答题:1.算法需要满⾜哪些性质?简述之。
答:算法是若⼲指令的有穷序列,满⾜性质:(1)输⼊:有零个或多个外部量作为算法的输⼊。
(2)输出:算法产⽣⾄少⼀个量作为输出。
(3)确定性:组成算法的每条指令清晰、⽆歧义。
(4)有限性:算法中每条指令的执⾏次数有限,执⾏每条指令的时间也有限。
2.简要分析分治法能解决的问题具有的特征。
答:分析分治法能解决的问题主要具有如下特征:(1)该问题的规模缩⼩到⼀定的程度就可以容易地解决;(2)该问题可以分解为若⼲个规模较⼩的相同问题,即该问题具有最优⼦结构性质;(3)利⽤该问题分解出的⼦问题的解可以合并为该问题的解;(4)该问题所分解出的各个⼦问题是相互独⽴的,即⼦问题之间不包含公共的⼦问题。
3.简要分析在递归算法中消除递归调⽤,将递归算法转化为⾮递归算法的⽅法。
答:将递归算法转化为⾮递归算法的⽅法主要有:(1)采⽤⼀个⽤户定义的栈来模拟系统的递归调⽤⼯作栈。
该⽅法通⽤性强,但本质上还是递归,只不过⼈⼯做了本来由编译器做的事情,优化效果不明显。
(2)⽤递推来实现递归函数。
(3)通过Cooper 变换、反演变换能将⼀些递归转化为尾递归,从⽽迭代求出结果。
后两种⽅法在时空复杂度上均有较⼤改善,但其适⽤范围有限。
三、算法编写及算法应⽤分析题: 1.冒泡排序算法的基本运算如下: for i ←1 to n-1 dofor j ←1 to n-i do if a[j]交换a[j]、a[j+1];分析该算法的时间复杂性。
答:排序算法的基本运算步为元素⽐较,冒泡排序算法的时间复杂性就是求⽐较次数与n 的关系。
(1)设⽐较⼀次花时间1;(2)内循环次数为:n-i 次,(i=1,…n ),花时间为:∑-=-=in j i n 1)(1(3)外循环次数为:n-1,花时间为:2.设计⼀个分治算法计算⼀棵⼆叉树的⾼度。
分治法最大子段和问题实例演示
分治法最大子段和问题实例演示在计算机算法领域,分治法是一种常见的算法设计策略,它通过将问题拆分成更小的子问题来解决复杂的任务。
其中,最大子段和问题是分治法非常适用的一个经典案例。
本文将深入探讨分治法在最大子段和问题上的应用,并通过实例演示来帮助读者全面理解这一概念。
一、分治法简介分治法是一种将问题划分成更小、更易解决的子问题的算法设计策略。
通过递归地解决这些子问题,并将它们的解合并起来,最终得到原始问题的解。
这种策略通常包括三个步骤:分解原问题、解决子问题、合并子问题的解。
二、最大子段和问题最大子段和问题是指在一个给定数组中,找到一个具有最大总和的连续子段。
这个问题在实际中有着广泛的应用,比如股票交易中的最大收益、最大利润等。
通过分治法来解决最大子段和问题,可以更高效地找到最优解。
三、分治法在最大子段和问题上的应用分治法在解决最大子段和问题时,通常采用递归的方式。
具体来说,可以将给定数组划分成两个子数组,分别求解左右子数组的最大子段和,然后再考虑跨越中点的最大子段和。
将这些子问题的解合并起来,得到整个数组的最大子段和。
这样就能通过分治法在较短的时间内得到最优解。
四、实例演示假设有一个由整数组成的数组A,其内容为[-2, 1, -3, 4, -1, 2, 1, -5, 4]。
我来演示如何通过分治法来解决这个数组的最大子段和问题。
1. 将数组A划分成两个子数组:A[左] = [-2, 1, -3, 4] 和 A[右] = [-1, 2, 1, -5, 4]。
2. 分别求解左右子数组的最大子段和。
对于A[左],最大子段和为4;对于A[右],最大子段和为4。
3. 接下来,考虑跨越中点的最大子段和。
在这个例子中,跨越中点的最大子段和为6。
4. 将这些子问题的解合并起来,得到整个数组的最大子段和为6。
通过这个实例演示,我们可以清晰地看到分治法在解决最大子段和问题方面的优势,以及其简洁高效的算法思想。
五、个人观点和理解在我看来,分治法是一种非常值得深入学习和探讨的算法设计策略。
最大子段和问题的简单算法
最大子段和问题的简单算法一、引言最大子段和问题(Maximum Subarray Sum Problem)是计算机科学中一个经典的问题,旨在寻找数组中的连续子数组,使得该子数组中所有元素的总和最大。
这个问题的解决方法有多种,其中包括暴力解法、分治法、动态规划等。
本篇文章将介绍一种简单且高效的解决方法——Kadane算法。
二、算法描述Kadane算法是一种基于动态规划的贪心算法,其基本思想是对于给定的数组,不断选择以当前元素结尾的最大子段和,然后将这个最大子段和更新为全局最大子段和。
算法的主要步骤如下:1. 初始化两个变量,一个是局部最大和max_ending_here,初值为数组的第一个元素;另一个是全局最大和max_global,初值为数组的第一个元素。
2. 遍历数组中的每个元素,对于当前元素,计算以当前元素结尾的最大子段和max_ending_here,然后更新全局最大和max_global。
3. 在遍历过程中,对于每个元素,都会计算出一个以该元素结尾的最大子段和,因此遍历结束后,全局最大和就是最大的子段和。
三、算法复杂度分析Kadane算法的时间复杂度为O(n),其中n是数组的长度。
因为我们需要遍历数组中的每个元素一次。
在空间复杂度方面,Kadane算法只需要常数级别的额外空间来存储两个变量,因此其空间复杂度为O(1)。
四、算法实现下面是一个用Python实现的Kadane算法:def max_subarray_sum(arr):max_ending_here = max_global = arr[0]for i in range(1, len(arr)):max_ending_here =max(arr[i], max_ending_here + arr[i])max_global =max(max_global, max_ending_here)return max_global五、结论Kadane算法是一种简单且高效的解决最大子段和问题的方法,其时间复杂度为O(n),空间复杂度为O(1)。
算法设计与分析课程中最大子段和问题的教学探讨
算法设计与分析课程中最大子段和问题的教学探讨作者:周波刘文强乔付韩娜来源:《中国教育技术装备》2013年第27期摘要介绍算法设计与分析课程中最大子段和问题的动态规划解法,其求解思想是先求给定序列中以每一个元素为尾元素的最大子段和,然后其中的最大者便是整个序列的最大子段和。
从两个不同的角度分析最大子段和问题最优解的构造方法,给出最大子段和问题的动态规划算法,并分析算法的时间复杂度。
通过这一问题的讲解,有助于学生明确动态规划方法的解题步骤,掌握动态规划算法的设计步骤。
关键词最大子段和;动态规划;时间复杂度中图分类号:G642.4 文献标识码:B文章编号:1671-489X(2013)27-0050-03最大子段和问题出自于2005年浙江大学计算机专业研究生入学考试计算机专业基础综合试题,它是一个典型的最优化问题。
该问题描述为:给定由n个整数(可能为负整数)组成的序列a1,a2,...,an,其中,ai,ai+1,...,aj-1,aj(1≤i≤j≤n)称为序列a1,a2,...,an的一个子段,显然子段中的元素是连续的,该子段中所有整数的和称为该子段的和。
对于序列a1,a2,...,an来说,它有很多不同的子段,每个子段都有一个和,要求出该序列的各个子段的和的最大值,当序列中所有整数均为负整数时定义其最大子段和为0[1-2]。
该问题的解法有多种,笔者在算法设计与分析课程的授课过程中,针对该问题给出了三种求解方法,分别是枚举法、分治法和动态规划方法。
用枚举法求最大子段和问题,时间复杂度为O(n2);用分治法求最大子段和问题,其算法的时间复杂度可以降到O(nlog2n);而如果用动态规划方法求解最大子段和问题,其时间复杂度仅为O(n),效率要比枚举法和分治法高很多。
这里主要探讨该问题的动态规划解法,包括求解该问题的最优值和构造该问题的最优解,最优值是指给定序列的最大子段和是多少,最优解是指和最大的子段是哪一个子段。
最大字段和问题
【算法设计与分析】最大子段和问题算法最大子段和问题的简洁描述是:对于给定序列[ x1,x2,x3...]寻找它的某个连续子段,使得其和最大。
如{ -1,5,-2,1,-7,-4,2,3,-1,2 }最大子段是{ 2,3,-1,2 }其和为6。
这个问题可以从枚举、分治、动态规划,贪心这几个角度来解。
(1)枚举解法思路:对于数组a[n],其连续的子段有以a[0]开始的, { a[0] }, { a[0],a[1] },{ a[0],a[1],a[2] }.....共n 个以a[1]开始的, { a[1] }, { a[1],a[2] },{ a[1],a[2],a[3] }.....共n-1个...以a[n]开始的,{ a[n] }共1个一共(n+1)*n/2个连续子段,使用枚举,那么应该可以使用双重循环得到一个o( n^2 )级的算法:1int MaxSum_enum(int *arr,int n)2{3int sum = 0;4for(int i=0; i<n; ++i)5 {6int thisSum = 0;7for(int j=i; j<n; ++j)8 {9 thisSum += arr[j];10if(thisSum > sum)11 { sum = thisSum;}12 }13 }14return sum;15}当然在需要的时候,也可以设置一个区间记录值,记录这个子段的开始位置和结束位置:16int MaxSum_enum(int *arr,int n,int &besti,int &bestj)17{18/*besti bestj用于记录最大字段和区间[ besti...bestj ]*/19int sum = 0;20for(int i=0; i<n; ++i)21 {22int thisSum = 0;23for(int j=i;j<=n; ++j)24 {25 thisSum += arr[j];26if(thisSum > sum )27 {28 sum = thisSum;29 besti = i;30 bestj = j;31 }32 }33 }34return sum;35}(2)分治角度的思路:分治时,将数组划分为[ left,mid ] 和[ mid+1,right ] 两部分,分别求左侧区间的最大子段和,以及右边区间的最大子段和。
最大子段和,最大子段长度
1.实验目的(结出本次实验所涉及并要求掌握的知识点)解决最大子段和问题,比较采用暴力法,分而治之策略,动态规划策略,的算法的时间复杂度2.实验内容(结出实验内容具体描述)用暴力法,暴力法的优化,分而治之,动态规划实现最大子段问题的求解。
(1)分别实现这几个个算法(2)将主要步骤的时间复杂度以注释形式插入在程序代码中。
3.算法描述及实验步骤(用适当的形式表达算法设计思想与算法实现步骤)1.暴力法O(n^3)int getmax_1(int A[],int N,int* left,int *right){int i,j,k,sum,temp;sum=A[0];*left=0;*right=0;for(i=0;i<N;i++){ // O(n)for(j=i+1;j<N;j++){ // O(n)for(k=i,temp=0;k<=j;k++){ // O(n)temp+=A[k];if(temp>sum){*left=i;*right=k;sum=temp;}}}}return sum;int getmax_2(int A[],int N,int *left,int* right){int B[N];B[0]=A[0];int i,j,temp,sum;// O(n)for(i=1;i<N;i++)B[i]=B[i-1]+A[i];// 用一个数组记录一次从0到i 的和,减少重复计算sum=B[0];*left=0;*right=0;// O(n^2)for(i=0;i<N;i++){ // O(n)for(j=i;j<N;j++){ // O(n)temp=B[j]-B[i]+A[i];if(temp>sum){*left=i;*right=j;sum=temp;}}}return sum;}3. 分而治之T(n)=2T(n/2)+O(n)int tag; // 记录当前最大值int getmax_3(int A[],int left,int right,int*lindex,int*rindex){if(left==right){if(A[left]>tag)*lindex=*rindex=left;// 没tag和此处的判断赋值,会出现以下错误// 3 -1 23 24 -56 98 -11 能得到最大值,但得不到正确的左右下标return A[left];}else{int mid=(left+right)/2; // divide O(1)int lmax=getmax_3(A,left,mid,lindex,rindex);int rmax=getmax_3(A,mid+1,right,lindex,rindex); // conquer 2T(n/2)int sum,temp,i,j;int start,end;sum=A[mid];temp=A[mid];for(i=mid-1;i>=left;i--){ // O(n) // combine O(n) temp+=A[i];if(temp>sum){sum=temp;start=i;}}temp=sum;for(j=mid+1;j<=right;j++){ // O(n)temp+=A[j];if(temp>sum){sum=temp;end=j;}}if(lmax>=rmax && lmax>=sum)return lmax;else if(rmax>=lmax && rmax>=sum)return rmax;else{tag=sum;*lindex=start;*rindex=end;return sum;}}int getmax_4(int A[],int N,int*left,int*right){int endMaxSum[N];int i,max;endMaxSum[0]=A[0];// 记录包含每个A[i]的最大子段和for(i=1;i<N;i++){ // O(n) if(endMaxSum[i-1]<0)endMaxSum[i]=A[i];elseendMaxSum[i]=endMaxSum[i-1]+A[i];}// 找到整个数组最大子段和及其结束位置下标max=endMaxSum[0];for(i=1;i<N;i++){ // O(n) if(endMaxSum[i]>max){max=endMaxSum[i];*right=i;}}// 通过right和endMaxSum找到leftmax=A[*right];for(i=*right;i>=0;i--){ // O(n) if(max==endMaxSum[*right]){*left=i;return endMaxSum[*right];}max+=A[i-1];}}4.调试过程及运行结果(详细记录在调试过程中出现的问题及解决方法。
谈最大子段和问题的三种解题策略
最大子段和问题的不同策略分析与实现最大子段和问题描述:给定由N 个整数(可能为负整数)组成的序列a 1,a 2,…,a n ,求该序列形如∑=ji k k a 的子段和的最大值。
当所有整数均为负整数时定义其最大子段和为0。
例如当(a 1,a 2,…,a 6)=(-2,11,-4,13,-5,-2)时最大子段和为20,即a 2,a 3,a 4序列为最大子段。
下面我们来探讨一下解决这个问题的三种不同策略。
一、枚举策略这种策略是我们最容易想到的,依照最大子段和的定义,不难理解所求最大子段和为max{0,max ∑=ji k k a (其中1≤i ≤j ≤n)},所以我们只需枚举所有的i 和j 即可求出序列的最大的子段和。
主要代码如下,其中a[i]表示a i 。
procedure maxsum(V AR max :longint);vari,j :integer;thissum :longint;beginmax :=0;for i :=1 to n dobeginthissum :=0;for j :=i to n dobeginthissum :=thissum+a[j];if max<thissum then max :=thissum;end;end;end;此算法的时间复杂度为O(n 2)。
二、分治策略针对最大子段和这个具体问题本身结构,我们还能够从算法设计策略上对上述算法实行改进。
从问题解的结构能够看出,它适合于分治算法求解。
如果将所给的序列a 1,a 2,…,a n 分为长度相等的两段序列a 1,a 2,…,a (n div 2) 和a (n div 2+1),a (n div 2+2),…,a n ,分别求出这两段的最大子段和,则a 1,a 2,…,a n 的最大子段和有三种可能:1.a 1,a 2,…,a n 的最大子段在前半段,即序列a 1,a 2,…,a n 的最大子段和与a 1,a 2,…,a (n div 2) 序列的最大子段和相等。
最大子段和问题
解法(2):
【算法概括】两重循环枚举+预处理
【算法分析】虽然第一种解法最容易理解,但是效 率非常低,而且有很多的和是重复计算过的。比如 计算第二个数到第五个数和第三个数到第五个数时, 从第三个数到第五个数的和进行了重复计算。在这 种情况下,可以进行一定的简单优化。用一重循环 将第一个数到第i个数之间的和都先计算好,那么到 枚举时就可以直接使用,省去了一重求和的循环。
begin read(n); for i:=1 to n do read(a[i]); ans:=-maxlongint; for i:=1 to n do begin if a[i]+f[i-1]>a[i] then f[i]:=a[i]+f[i-1] else f[i]:=a[i]; If f[i]>ans then ans:=f[i] end; write(ans);
【时间复杂度】O(n²) 可以支持3000以内的数据
数据模拟:
5 1 -2 3 -2 3
用t[i]来表示从第1个数到第i个数的和
t
1
-1
2
0
3
t[1] t[2] t[3] t[4] t[5] 则求第i个数到第j个数之间的和( j>i)就是t[ j]-t[i-1]
代码:
var n,i,j,k,ans:longint; a,t:array[0..100]of longint;
【时间复杂度】O(n) 可以支持10000000以内的数据
数据模拟:
5 1 -2 3 -2 3
用f[i]来表示以a[i]结尾的最大子段和
f
1
-1
3
1
4
f[1] f[2] f[3] f[4] f[5]
算法设计与分析习题解答(第2版)
第1章算法引论11.1 算法与程序11.2 表达算法的抽象机制11.3 描述算法31.4 算法复杂性分析13小结16习题17第2章递归与分治策略192.1 递归的概念192.2 分治法的基本思想262.3 二分搜索技术272.4 大整数的乘法282.5 Strassen矩阵乘法302.6 棋盘覆盖322.7 合并排序342.8 快速排序372.9 线性时间选择392.10 最接近点对问题432.11 循环赛日程表53小结54习题54第3章动态规划613.1 矩阵连乘问题62目录算法设计与分析(第2版)3.2 动态规划算法的基本要素67 3.3 最长公共子序列713.4 凸多边形最优三角剖分753.5 多边形游戏793.6 图像压缩823.7 电路布线853.8 流水作业调度883.9 0-1背包问题923.10 最优二叉搜索树98小结101习题102第4章贪心算法1074.1 活动安排问题1074.2 贪心算法的基本要素1104.2.1 贪心选择性质1114.2.2 最优子结构性质1114.2.3 贪心算法与动态规划算法的差异1114.3 最优装载1144.4 哈夫曼编码1164.4.1 前缀码1174.4.2 构造哈夫曼编码1174.4.3 哈夫曼算法的正确性1194.5 单源最短路径1214.5.1 算法基本思想1214.5.2 算法的正确性和计算复杂性123 4.6 最小生成树1254.6.1 最小生成树性质1254.6.2 Prim算法1264.6.3 Kruskal算法1284.7 多机调度问题1304.8 贪心算法的理论基础1334.8.1 拟阵1334.8.2 带权拟阵的贪心算法1344.8.3 任务时间表问题137小结141习题141第5章回溯法1465.1 回溯法的算法框架1465.1.1 问题的解空间1465.1.2 回溯法的基本思想1475.1.3 递归回溯1495.1.4 迭代回溯1505.1.5 子集树与排列树1515.2 装载问题1525.3 批处理作业调度1605.4 符号三角形问题1625.5 n后问题1655.6 0\|1背包问题1685.7 最大团问题1715.8 图的m着色问题1745.9 旅行售货员问题1775.10 圆排列问题1795.11 电路板排列问题1815.12 连续邮资问题1855.13 回溯法的效率分析187小结190习题191第6章分支限界法1956.1 分支限界法的基本思想1956.2 单源最短路径问题1986.3 装载问题2026.4 布线问题2116.5 0\|1背包问题2166.6 最大团问题2226.7 旅行售货员问题2256.8 电路板排列问题2296.9 批处理作业调度232小结237习题238第7章概率算法2407.1 随机数2417.2 数值概率算法2447.2.1 用随机投点法计算π值2447.2.2 计算定积分2457.2.3 解非线性方程组2477.3 舍伍德算法2507.3.1 线性时间选择算法2507.3.2 跳跃表2527.4 拉斯维加斯算法2597.4.1 n 后问题2607.4.2 整数因子分解2647.5 蒙特卡罗算法2667.5.1 蒙特卡罗算法的基本思想2667.5.2 主元素问题2687.5.3 素数测试270小结273习题273第8章 NP完全性理论2788.1 计算模型2798.1.1 随机存取机RAM2798.1.2 随机存取存储程序机RASP2878.1.3 RAM模型的变形与简化2918.1.4 图灵机2958.1.5 图灵机模型与RAM模型的关系297 8.1.6 问题变换与计算复杂性归约299 8.2 P类与NP类问题3018.2.1 非确定性图灵机3018.2.2 P类与NP类语言3028.2.3 多项式时间验证3048.3 NP完全问题3058.3.1 多项式时间变换3058.3.2 Cook定理3078.4 一些典型的NP完全问题3108.4.1 合取范式的可满足性问题3118.4.2 3元合取范式的可满足性问题312 8.4.3 团问题3138.4.4 顶点覆盖问题3148.4.5 子集和问题3158.4.6 哈密顿回路问题3178.4.7 旅行售货员问题322小结323习题323第9章近似算法3269.1 近似算法的性能3279.2 顶点覆盖问题的近似算法3289.3 旅行售货员问题近似算法3299.3.1 具有三角不等式性质的旅行售货员问题330 9.3.2 一般的旅行售货员问题3319.4 集合覆盖问题的近似算法3339.5 子集和问题的近似算法3369.5.1 子集和问题的指数时间算法3369.5.2 子集和问题的完全多项式时间近似格式337 小结340习题340第10章算法优化策略34510.1 算法设计策略的比较与选择34510.1.1 最大子段和问题的简单算法34510.1.2 最大子段和问题的分治算法34610.1.3 最大子段和问题的动态规划算法34810.1.4 最大子段和问题与动态规划算法的推广349 10.2 动态规划加速原理35210.2.1 货物储运问题35210.2.2 算法及其优化35310.3 问题的算法特征35710.3.1 贪心策略35710.3.2 对贪心策略的改进35710.3.3 算法三部曲35910.3.4 算法实现36010.3.5 算法复杂性36610.4 优化数据结构36610.4.1 带权区间最短路问题36610.4.2 算法设计思想36710.4.3 算法实现方案36910.4.4 并查集37310.4.5 可并优先队列37610.5 优化搜索策略380小结388习题388第11章在线算法设计39111.1 在线算法设计的基本概念39111.2 页调度问题39311.3 势函数分析39511.4 k 服务问题39711.4.1 竞争比的下界39711.4.2 平衡算法39911.4.3 对称移动算法39911.5 Steiner树问题40311.6 在线任务调度40511.7 负载平衡406小结407习题407词汇索引409参考文献415习题1-1 实参交换1习题1-2 方法头签名1习题1-3 数组排序判定1习题1-4 函数的渐近表达式2习题1-5 O(1) 和 O(2) 的区别2习题1-7 按渐近阶排列表达式2习题1-8 算法效率2习题1-9 硬件效率3习题1-10 函数渐近阶3习题1-11 n !的阶4习题1-12 平均情况下的计算时间复杂性4算法实现题1-1 统计数字问题4算法实现题1-2 字典序问题5算法实现题1-3 最多约数问题6算法实现题1-4 金币阵列问题8算法实现题1-5 最大间隙问题11第2章递归与分治策略14 习题2-1 Hanoi 塔问题的非递归算法14习题2-2 7个二分搜索算法15习题2-3 改写二分搜索算法18习题2-4 大整数乘法的 O(nm log(3/2))算法19习题2-5 5次 n /3位整数的乘法19习题2-6 矩阵乘法21习题2-7 多项式乘积21习题2-8 不动点问题的 O( log n) 时间算法22习题2-9 主元素问题的线性时间算法22习题2-10 无序集主元素问题的线性时间算法22习题2-11 O (1)空间子数组换位算法23习题2-12 O (1)空间合并算法25习题2-13 n 段合并排序算法32习题2-14 自然合并排序算法32习题2-15 最大值和最小值问题的最优算法35习题2-16 最大值和次大值问题的最优算法35习题2-17 整数集合排序35习题2-18 第 k 小元素问题的计算时间下界36习题2-19 非增序快速排序算法37习题2-20 随机化算法37习题2-21 随机化快速排序算法38习题2-22 随机排列算法38习题2-23 算法qSort中的尾递归38习题2-24 用栈模拟递归38习题2-25 算法select中的元素划分39习题2-26 O(n log n) 时间快速排序算法40习题2-27 最接近中位数的 k 个数40习题2-28 X和Y 的中位数40习题2-29 网络开关设计41习题2-32 带权中位数问题42习题2-34 构造Gray码的分治算法43习题2-35 网球循环赛日程表44目录算法设计与分析习题解答(第2版)算法实现题2-1 输油管道问题(习题2-30) 49算法实现题2-2 众数问题(习题2-31) 50算法实现题2-3 邮局选址问题(习题2-32) 51算法实现题2-4 马的Hamilton周游路线问题(习题2-33) 51算法实现题2-5 半数集问题60算法实现题2-6 半数单集问题62算法实现题2-7 士兵站队问题63算法实现题2-8 有重复元素的排列问题63算法实现题2-9 排列的字典序问题65算法实现题2-10 集合划分问题(一)67算法实现题2-11 集合划分问题(二)68算法实现题2-12 双色Hanoi塔问题69算法实现题2-13 标准二维表问题71算法实现题2-14 整数因子分解问题72算法实现题2-15 有向直线2中值问题72第3章动态规划76习题3-1 最长单调递增子序列76习题3-2 最长单调递增子序列的 O(n log n) 算法77习题3-7 漂亮打印78习题3-11 整数线性规划问题79习题3-12 二维背包问题80习题3-14 Ackermann函数81习题3-17 最短行驶路线83习题3-19 最优旅行路线83算法实现题3-1 独立任务最优调度问题(习题3-3) 83算法实现题3-2 最少硬币问题(习题3-4) 85算法实现题3-3 序关系计数问题(习题3-5) 86算法实现题3-4 多重幂计数问题(习题3-6) 87算法实现题3-5 编辑距离问题(习题3-8) 87算法实现题3-6 石子合并问题(习题3-9) 89算法实现题3-7 数字三角形问题(习题3-10) 91算法实现题3-8 乘法表问题(习题3-13) 92算法实现题3-9 租用游艇问题(习题3-15) 93算法实现题3-10 汽车加油行驶问题(习题3-16) 95算法实现题3-11 圈乘运算问题(习题3-18) 96算法实现题3-12 最少费用购物(习题3-20) 102算法实现题3-13 最大长方体问题(习题3-21) 104算法实现题3-14 正则表达式匹配问题(习题3-22) 105算法实现题3-15 双调旅行售货员问题(习题3-23) 110算法实现题3-16 最大 k 乘积问题(习题5-24) 111算法实现题3-17 最小 m 段和问题113算法实现题3-18 红黑树的红色内结点问题115第4章贪心算法123 习题4-2 活动安排问题的贪心选择123习题4-3 背包问题的贪心选择性质123习题4-4 特殊的0-1背包问题124习题4-10 程序最优存储问题124习题4-13 最优装载问题的贪心算法125习题4-18 Fibonacci序列的Huffman编码125习题4-19 最优前缀码的编码序列125习题4-21 任务集独立性问题126习题4-22 矩阵拟阵126习题4-23 最小权最大独立子集拟阵126习题4-27 整数边权Prim算法126习题4-28 最大权最小生成树127习题4-29 最短路径的负边权127习题4-30 整数边权Dijkstra算法127算法实现题4-1 会场安排问题(习题4-1) 128算法实现题4-2 最优合并问题(习题4-5) 129算法实现题4-3 磁带最优存储问题(习题4-6) 130算法实现题4-4 磁盘文件最优存储问题(习题4-7) 131算法实现题4-5 程序存储问题(习题4-8) 132算法实现题4-6 最优服务次序问题(习题4-11) 133算法实现题4-7 多处最优服务次序问题(习题4-12) 134算法实现题4-8 d 森林问题(习题4-14) 135算法实现题4-9 汽车加油问题(习题4-16) 137算法实现题4-10 区间覆盖问题(习题4-17) 138算法实现题4-11 硬币找钱问题(习题4-24) 138算法实现题4-12 删数问题(习题4-25) 139算法实现题4-13 数列极差问题(习题4-26) 140算法实现题4-14 嵌套箱问题(习题4-31) 140算法实现题4-15 套汇问题(习题4-32) 142算法实现题4-16 信号增强装置问题(习题5-17) 143算法实现题4-17 磁带最大利用率问题(习题4-9) 144算法实现题4-18 非单位时间任务安排问题(习题4-15) 145算法实现题4-19 多元Huffman编码问题(习题4-20) 147算法实现题4-20 多元Huffman编码变形149算法实现题4-21 区间相交问题151算法实现题4-22 任务时间表问题151第5章回溯法153习题5\|1 装载问题改进回溯法(一)153习题5\|2 装载问题改进回溯法(二)154习题5\|4 0-1背包问题的最优解155习题5\|5 最大团问题的迭代回溯法156习题5\|7 旅行售货员问题的费用上界157习题5\|8 旅行售货员问题的上界函数158算法实现题5-1 子集和问题(习题5-3) 159算法实现题5-2 最小长度电路板排列问题(习题5-9) 160算法实现题5-3 最小重量机器设计问题(习题5-10) 163算法实现题5-4 运动员最佳匹配问题(习题5-11) 164算法实现题5-5 无分隔符字典问题(习题5-12) 165算法实现题5-6 无和集问题(习题5-13) 167算法实现题5-7 n 色方柱问题(习题5-14) 168算法实现题5-8 整数变换问题(习题5-15) 173算法实现题5-9 拉丁矩阵问题(习题5-16) 175算法实现题5-10 排列宝石问题(习题5-16) 176算法实现题5-11 重复拉丁矩阵问题(习题5-16) 179算法实现题5-12 罗密欧与朱丽叶的迷宫问题181算法实现题5-13 工作分配问题(习题5-18) 183算法实现题5-14 独立钻石跳棋问题(习题5-19) 184算法实现题5-15 智力拼图问题(习题5-20) 191算法实现题5-16 布线问题(习题5-21) 198算法实现题5-17 最佳调度问题(习题5-22) 200算法实现题5-18 无优先级运算问题(习题5-23) 201算法实现题5-19 世界名画陈列馆问题(习题5-25) 203算法实现题5-20 世界名画陈列馆问题(不重复监视)(习题5-26) 207 算法实现题5-21 部落卫队问题(习题5-6) 209算法实现题5-22 虫蚀算式问题211算法实现题5-23 完备环序列问题214算法实现题5-24 离散01串问题217算法实现题5-25 喷漆机器人问题218算法实现题5-26 n 2-1谜问题221第6章分支限界法229习题6-1 0-1背包问题的栈式分支限界法229习题6-2 用最大堆存储活结点的优先队列式分支限界法231习题6-3 团顶点数的上界234习题6-4 团顶点数改进的上界235习题6-5 修改解旅行售货员问题的分支限界法235习题6-6 解旅行售货员问题的分支限界法中保存已产生的排列树237 习题6-7 电路板排列问题的队列式分支限界法239算法实现题6-1 最小长度电路板排列问题一(习题6-8) 241算法实现题6-2 最小长度电路板排列问题二(习题6-9) 244算法实现题6-3 最小权顶点覆盖问题(习题6-10) 247算法实现题6-4 无向图的最大割问题(习题6-11) 250算法实现题6-5 最小重量机器设计问题(习题6-12) 253算法实现题6-6 运动员最佳匹配问题(习题6-13) 256算法实现题6-7 n 后问题(习题6-15) 259算法实现题6-8 圆排列问题(习题6-16) 260算法实现题6-9 布线问题(习题6-17) 263算法实现题6-10 最佳调度问题(习题6-18) 265算法实现题6-11 无优先级运算问题(习题6-19) 268算法实现题6-12 世界名画陈列馆问题(习题6-21) 271算法实现题6-13 骑士征途问题274算法实现题6-14 推箱子问题275算法实现题6-15 图形变换问题281算法实现题6-16 行列变换问题284算法实现题6-17 重排 n 2宫问题285算法实现题6-18 最长距离问题290第7章概率算法296习题7-1 模拟正态分布随机变量296习题7-2 随机抽样算法297习题7-3 随机产生 m 个整数297习题7-4 集合大小的概率算法298习题7-5 生日问题299习题7-6 易验证问题的拉斯维加斯算法300习题7-7 用数组模拟有序链表300习题7-8 O(n 3/2)舍伍德型排序算法300习题7-9 n 后问题解的存在性301习题7-11 整数因子分解算法302习题7-12 非蒙特卡罗算法的例子302习题7-13 重复3次的蒙特卡罗算法303习题7-14 集合随机元素算法304习题7-15 由蒙特卡罗算法构造拉斯维加斯算法305习题7-16 产生素数算法306习题7-18 矩阵方程问题306算法实现题7-1 模平方根问题(习题7-10) 307算法实现题7-2 集合相等问题(习题7-17) 309算法实现题7-3 逆矩阵问题(习题7-19) 309算法实现题7-4 多项式乘积问题(习题7-20) 310算法实现题7-5 皇后控制问题311算法实现题7-6 3-SAT问题314算法实现题7-7 战车问题315算法实现题7-8 圆排列问题317算法实现题7-9 骑士控制问题319算法实现题7-10 骑士对攻问题320第8章NP完全性理论322 习题8-1 RAM和RASP程序322习题8-2 RAM和RASP程序的复杂性322习题8-3 计算 n n 的RAM程序322习题8-4 没有MULT和DIV指令的RAM程序324习题8-5 MULT和DIV指令的计算能力324习题8-6 RAM和RASP的空间复杂性325习题8-7 行列式的直线式程序325习题8-8 求和的3带图灵机325习题8-9 模拟RAM指令325习题8-10 计算2 2 n 的RAM程序325习题8-11 计算 g(m,n)的程序 326习题8-12 图灵机模拟RAM的时间上界326习题8-13 图的同构问题326习题8-14 哈密顿回路327习题8-15 P类语言的封闭性327习题8-16 NP类语言的封闭性328习题8-17 语言的2 O (n k) 时间判定算法328习题8-18 P CO -NP329习题8-19 NP≠CO -NP329习题8-20 重言布尔表达式329习题8-21 关系∝ p的传递性329习题8-22 L ∝ p 330习题8-23 语言的完全性330习题8-24 的CO-NP完全性330习题8-25 判定重言式的CO-NP完全性331习题8-26 析取范式的可满足性331习题8-27 2-SAT问题的线性时间算法331习题8-28 整数规划问题332习题8-29 划分问题333习题8-30 最长简单回路问题334第9章近似算法336习题9-1 平面图着色问题的绝对近似算法336习题9-2 最优程序存储问题336习题9-4 树的最优顶点覆盖337习题9-5 顶点覆盖算法的性能比339习题9-6 团的常数性能比近似算法339习题9-9 售货员问题的常数性能比近似算法340习题9-10 瓶颈旅行售货员问题340习题9-11 最优旅行售货员回路不自相交342习题9-14 集合覆盖问题的实例342习题9-16 多机调度问题的近似算法343习题9-17 LPT算法的最坏情况实例345习题9-18 多机调度问题的多项式时间近似算法345算法实现题9-1 旅行售货员问题的近似算法(习题9-9) 346 算法实现题9-2 可满足问题的近似算法(习题9-20) 348算法实现题9-3 最大可满足问题的近似算法(习题9-21) 349 算法实现题9-4 子集和问题的近似算法(习题9-15) 351算法实现题9-5 子集和问题的完全多项式时间近似算法352算法实现题9-6 实现算法greedySetCover(习题9-13) 352算法实现题9-7 装箱问题的近似算法First Fit(习题9-19) 356算法实现题9-8 装箱问题的近似算法Best Fit(习题9-19) 358算法实现题9-9 装箱问题的近似算法First Fit Decreasing(习题9-19) 360算法实现题9-10 装箱问题的近似算法Best Fit Decreasing(习题9-19) 361算法实现题9-11 装箱问题的近似算法Next Fit361第10章算法优化策略365 习题10-1 算法obst的正确性365习题10-2 矩阵连乘问题的 O(n 2) 时间算法365习题10-6 货物储运问题的费用371习题10-7 Garsia算法371算法实现题10-1 货物储运问题(习题10-3) 374算法实现题10-2 石子合并问题(习题10-4) 374算法实现题10-3 最大运输费用货物储运问题(习题10-5) 375算法实现题10-4 五边形问题377算法实现题10-5 区间图最短路问题(习题10-8) 381算法实现题10-6 圆弧区间最短路问题(习题10-9) 381算法实现题10-7 双机调度问题(习题10-10) 382算法实现题10-8 离线最小值问题(习题10-11) 390算法实现题10-9 最近公共祖先问题(习题10-12) 393算法实现题10-10 达尔文芯片问题395算法实现题10-11 多柱Hanoi塔问题397算法实现题10-12 线性时间Huffman算法400算法实现题10-13 单机调度问题402算法实现题10-14 最大费用单机调度问题405算法实现题10-15 飞机加油问题408第11章在线算法设计410习题11-1 在线算法LFU的竞争性410习题11-4 多读写头磁盘问题的在线算法410习题11-6 带权页调度问题410算法实现题11-1 最优页调度问题(习题11-2) 411算法实现题11-2 在线LRU页调度(习题11-3) 414算法实现题11-3 k 服务问题(习题11-5) 416参考文献422。
算法设计与分析实验报告
本科实验报告课程名称:算法设计与分析实验项目:递归与分治算法实验地点:计算机系实验楼110专业班级:物联网1601 学号:2016002105 学生姓名:俞梦真指导教师:郝晓丽2018年05月04 日实验一递归与分治算法1.1 实验目的与要求1.进一步熟悉C/C++语言的集成开发环境;2.通过本实验加深对递归与分治策略的理解和运用。
1.2 实验课时2学时1.3 实验原理分治(Divide-and-Conquer)的思想:一个规模为n的复杂问题的求解,可以划分成若干个规模小于n的子问题,再将子问题的解合并成原问题的解。
需要注意的是,分治法使用递归的思想。
划分后的每一个子问题与原问题的性质相同,可用相同的求解方法。
最后,当子问题规模足够小时,可以直接求解,然后逆求原问题的解。
1.4 实验题目1.上机题目:格雷码构造问题Gray码是一个长度为2n的序列。
序列无相同元素,每个元素都是长度为n的串,相邻元素恰好只有一位不同。
试设计一个算法对任意n构造相应的Gray码(分治、减治、变治皆可)。
对于给定的正整数n,格雷码为满足如下条件的一个编码序列。
(1)序列由2n个编码组成,每个编码都是长度为n的二进制位串。
(2)序列中无相同的编码。
(3)序列中位置相邻的两个编码恰有一位不同。
2.设计思想:根据格雷码的性质,找到他的规律,可发现,1位是0 1。
两位是00 01 11 10。
三位是000 001 011010 110 111 101 100。
n位是前n-1位的2倍个。
N-1个位前面加0,N-2为倒转再前面再加1。
3.代码设计:}}}int main(){int n;while(cin>>n){get_grad(n);for(int i=0;i<My_grad.size();i++)cout<<My_grad[i]<<endl;My_grad.clear();}return 0;}运行结果:1.5 思考题(1)递归的关键问题在哪里?答:1.递归式,就是如何将原问题划分成子问题。
《算法设计与分析》课程实验报告 (分治法(三))
《算法设计与分析》课程实验报告实验序号:04实验项目名称:实验4 分治法(三)一、实验题目1.邮局选址问题问题描述:在一个按照东西和南北方向划分成规整街区的城市里,n个居民点散乱地分布在不同的街区中。
用x 坐标表示东西向,用y坐标表示南北向。
各居民点的位置可以由坐标(x,y)表示。
街区中任意2 点(x1,y1)和(x2,y2)之间的距离可以用数值∣x1−x2∣+∣y1−y2∣度量。
居民们希望在城市中选择建立邮局的最佳位置,使n个居民点到邮局的距离总和最小。
编程任务:给定n 个居民点的位置,编程计算邮局的最佳位置。
2.最大子数组问题问题描述:对给定数组A,寻找A的和最大的非空连续子数组。
3.寻找近似中值问题描述:设A是n个数的序列,如果A中的元素x满足以下条件:小于x的数的个数≥n/4,且大于x的数的个数≥n/4 ,则称x为A的近似中值。
设计算法求出A的一个近似中值。
如果A中不存在近似中值,输出false,否则输出找到的一个近似中值4.循环赛日程表问题描述:设有n=2^k个运动员要进行网球循环赛。
现要设计一个满足以下要求的比赛日程表:每个选手必须与其他n-1个选手各赛一次,每个选手一天只能赛一次,循环赛一共进行n-1天。
二、实验目的(1)进一步理解分治法解决问题的思想及步骤(2)体会分治法解决问题时递归及迭代两种不同程序实现的应用情况之差异(3)熟练掌握分治法的自底向上填表实现(4)将分治法灵活于具体实际问题的解决过程中,重点体会大问题如何分解为子问题及每一个大问题涉及哪些子问题及子问题的表示。
三、实验要求(1)写清算法的设计思想。
(2)用递归或者迭代方法实现你的算法,并分析两种实现的优缺点。
(3)根据你的数据结构设计测试数据,并记录实验结果。
(4)请给出你所设计算法的时间复杂度的分析,如果是递归算法,请写清楚算法执行时间的递推式。
四、实验过程(算法设计思想、源码)1.邮局选址问题(1)算法设计思想根据题目要求,街区中任意2 点(x1,y1)和(x2,y2)之间的距离可以用数值∣x1−x2∣+∣y1−y2∣度量。
最大子段和问题—分治法
最⼤⼦段和问题—分治法⼀、问题描述简述给定有n个整数(可能为负整数)组成的序列a1,a2,...,an,求该序列连续的⼦段和的最⼤值。
如果该⼦段的所有元素和是负整数时定义其最⼤⼦段和为0。
Input第⼀⾏有⼀个正整数n(n<1000),后⾯跟n个整数,绝对值都⼩于10000。
直到⽂件结束。
Output输出它的最⼤⼦段和。
输⼊6 -2 11 -4 13 -5 -2输出20⼆、解题思路分⽀法基本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。
解题思路对于数组的最⼤⼦段和问题,它最⼤⼦段要么在左半边,要么在右半边,要么是穿过中间,三种情况每次把N个字段在中间分成两段⽤递归直⾄字段分解成长度为⼀时在返回数组下标对应的数每次递归得到左半边和右半边的最⼤字段后再求穿过中间的情况对应的最⼤⼦段,三者取最⼤值三、代码#include <iostream>#include <math.h>using namespace std;int *p;int f(int l,int r){if(l==r)return p[r];int mid = (l + r)/2;int t1 = f(l,mid);int t2 = f(mid+1,r);int maxl=0,maxr=0;int sum = 0;for(int i=mid;i>=l;i--){sum+=p[i];if(sum>maxl)maxl = sum;}sum = 0;for(int i=mid+1;i<=r;i++){sum+=p[i];if(sum>maxr)maxr = sum;}return max(max(t1,t2),maxl+maxr);}int main(){int n;cin>>n;p = new int[n];for(int i=0;i<n;i++){cin>>p[i];}int res = f(0,n-1);cout<<res<<endl;return 0;}。
最大子段和问题课程设计报告格
《算法设计与分析》课程设计报告题目: 最大子段和问题院(系): 信息科学与工程学院专业班级:软件工程1201班学生姓名:李婉秋学号:20121611035指导教师: 彭文艺20 14 年 12 月 29 日至20 15 年 1 月 9 日华中科技大学武昌分校制算法设计与分析课程设计任务书目录1 常用算法 (6)1.1蛮力算法 (6)1.2分治算法 (7)1。
3 动态规划算法 (8)2 问题分析与算法设计 (8)2。
1蛮力算法的设计 (8)2。
2 分治算法的设计 (9)2。
3 动态规划算法的设计 (9)3 算法实现 (10)3。
2蛮力算法的实现 (10)3。
2 分治算法的实现 (10)3.3 动态规划算法的实现 (12)4 测试和分析 (13)4。
1蛮力算法测试 (13)4。
2蛮力算法时间复杂度的分析 (14)4.3 分治算法测试 (15)4。
4分治算法时间复杂度的分析 (17)4。
5 动态规划算法测试 (17)4.6 动态规划算法时间复杂度的分析 (19)4。
7 三种算法的比较 (19)5 总结 (19)参考文献 (20)附录 (20)1 常用算法1。
1蛮力算法1. 枚举的概念(1)枚举法(Enumerate)也称为列举法、穷举法,是蛮力策略的体现,又称为蛮力法。
(2)枚举是一种简单而直接地解决问题的方法,其基本思想是逐一列举问题所涉及的所有情形。
(3)应用枚举时应注意对问题所涉及的有限种情形进行一一列举,既不能重复,又不能遗漏。
(4)枚举法常用于解决“是否存在”或“有多少种可能”等问题。
2。
枚举的框架描述n=0;for(k=〈区间下限>;k<=<区间上限>;k++)// 控制枚举范围if(〈约束条件>) // 根据约束条件实施筛选{ printf(〈满足要求的解>); // 输出解n++; // 统计解的个数}3.枚举的实施步骤(1)根据问题的具体情况确定枚举量(简单变量或数组);(2)根据问题的具体实际确定枚举范围,设置枚举循环;(3)根据问题的具体要求确定筛选(约束)条件;(4)设计枚举程序并运行、调试,对运行结果进行分析与讨论。
算法分析与设计 实验三 最大子段和问题
昆明理工大学信息工程与自动化学院学生实验报告( 201 — 201 学年 第 1 学期 )课程名称:算法分析与设计 开课实验室: 年 月 日一、上机目的及内容1.上机内容给定有n 个整数(可能有负整数)组成的序列(a 1,a 2,…,a n ),求改序列形如∑=jk ka1的子段和的最大值,当所有整数均为负整数时,其最大子段和为0。
2.上机目的(1)复习数据结构课程的相关知识,实现课程间的平滑过渡; (2)掌握并应用算法的数学分析和后验分析方法;(3)理解这样一个观点:不同的算法能够解决相同的问题,这些算法的解题思路不同,复杂程度不同,解题效率也不同。
二、实验原理及基本技术路线图(方框原理图或程序流程图)(1)分别用穷举法、分治法和动态规划法设计最大子段和问题的算法; (2)对所设计的算法采用大O 符号进行时间复杂性分析;(3)上机实现算法,并用计数法和计时法分别测算算法的运行时间; (4)通过分析对比,得出自己的结论。
穷举法是用一个二维数组将从i 到j 的和都记录下来,再比较各元素的大小,时间复杂性为O (n 2),分治法的设计思想是不断将问题为子问题,然后求解子问题,最后对解进行合并,时间复杂性为O(nlog n ),动态规划法的设计思想是将问题划分为若干个子问题,时间复杂度为O(n)。
分治法流程图:穷举法流程图: 动态规划法流程图:三、所用仪器、材料(设备名称、型号、规格等或使用软件)1台PC 及VISUAL C++6.0软件四、实验方法、步骤(或:程序代码或操作过程)程序代码://穷举法#include<stdio.h>void main(){int i,j,n;int num[100],a[100],max;printf("\t\t\t 最大子段和问题(穷举法)\n\n");printf("请输入所要求最大字段和整数的个数:\n");scanf("%d",&n);printf("请分别输入这%d个整数的值:\n",n);for(i=0;i<n;i++)scanf("%d",&num[i]);max=num[0];for(i=1;i<=n;i++){if(max<num[i])max=num[i];}a[1]=num[1];for(i=1;i<=n;i++){for(j=i+1;j<=n;j++){a[i]+=num[j];if(max<a[i])max=a[i];}}if(max<0)max=0;printf("这%d个整数组成的序列的最大子段和是:%d\n",n,max); }//分治法#include<stdio.h>int MaxSum(int a[],int left,int right){int sum=0;if (left==right){if (a[left]>0)sum=a[left];elsesum=0;}else{int center=(left+right)/2;int leftsum=MaxSum(a,left,center);int rightsum=MaxSum(a,center+1,right);int s1=0;int lefts=0;for(int i=center;i>=left;i--){lefts+=a[i];if(lefts>s1)s1=lefts;}int s2=0;int rights=0;for(int j=center+1;j<=right;j++){rights+=a[j];if(rights>s2)s2=rights;}sum=s1+s2;if(sum<leftsum)sum=leftsum;if(sum<rightsum)sum=rightsum;}return sum;}void main(){int n,a[100],m,maxsum;printf("\t\t\t 最大子段和问题(分治法)\n\n");printf("请输入所要求最大字段和整数的个数:\n");scanf("%d",&n);printf("请分别输入这%d个整数的值:\n",n);for(m=1;m<=n;m++)scanf("%d",&a[m]);maxsum=MaxSum(a,1,n);printf("这%d个整数组成的序列的最大子段和是:%d\n",n,maxsum);}//动态规划法#include<stdio.h>void MaxSum(int n,int a[]){int sum=0;int b=0;for(int i=1;i<=n;i++){if(b>0)b+=a[i];elseb=a[i];if(b>sum)sum=b;}printf("这%d个整数组成的序列的最大子段和是:%d\n",n,sum);}void main(){int n,a[100],m,maxsum;printf("\t\t\t最大子段和问题(动态规划法)\n\n");printf("请输入所要求最大字段和整数的个数:\n");scanf("%d",&n);printf("请分别输入这%d个整数的值:\n",n);for(m=1;m<=n;m++)scanf("%d",&a[m]);MaxSum(n,a);}五、实验过程原始记录( 测试数据、图表、计算等)程序运行截图:六、实验结果、分析和结论(误差分析与数据处理、成果总结等。
算法分析与设计实验报告-最大字段和问题
实验报告课程名称算法分析与设计实验项目名称最大字段和问题班级与班级代码实验室名称(或课室)实验楼802 专业:计算机科学与技术任课教师:李绍华学号:姓名:实验日期:2016年11月25日广东财经大学教务处制姓名实验报告成绩评语:指导教师(签名)年月日说明:指导教师评分后,实验报告交院(系)办公室保存。
一、实验目的(1)能够熟悉最大字段和问题这个算法(2)分别使用三种不同算法:暴力算法、分治算法、动态规划算法,体会其算法思想并比较时间复杂度。
二、实验设备硬件: P4 2.0G 1G 内存60G 硬盘以上电脑 软件: C 、C++编程环境,Java 编程环境,windows7三、问题与算法描述1、问题描述给定由n 个整数(可能为负整数)组成的序列a1、a2、……a n ,求该序列形如∑=ji k k a 的字段和的最大值。
当所有整数均为负整数时定义其最大字段和为0。
依次定义,所求的最优值为max{0,max \1n j i <=<=<=∑=jik k a }。
2、算法描述 BF 算法对于起点 i ,遍历所有长度为1,2,…,n-i+1的子区间和,遍历所有的字 段,找出最大字段和。
分治算法求子区间及最大和,从结构上是非常适合分治法的,因为所有子区间 [start, end]只可能有以下三种可能性: 1.在[1, n/2]这个区域内 2.在[n/2+1, n]这个区域内3.起点位于[1,n/2],终点位于[n/2+1,n]内以上三种情形的最大者,即为所求. 前两种情形符合子问题递归特性,所以递归可以求出. 对于第三种情形,则必然包括了n/2和n/2+1两个位置,这样就可以利用第二种穷举的思路分别向左右扩张求出。
动态规划扩展到二维空间令b[j]表示以位置 j 为终点的所有子区间中和最大的一个子问题:如j为终点的最大子区间包含了位置j-1,则以j-1为终点的最大子区间必然包括在其中,如果b[j-1] >0, 那么显然b[j] = b[j-1] + a[j],用之前最大的一个加上a[j]即可,因为a[j]必须包含;如果b[j-1]<=0,那么b[j] = a[j] ,因为既然最大,前面的负数必然不能使你更大。
算法.最大子段和
〖题目描述〗在一个一维数组里找出连续的几个数,使数的总和最大。
计算最大子段和的5种算法(c实现)#include<iostream.h>#define sum 21int b[sum];算法1int MAX_SUM(int a[]){int max,i,j,k,k1;k1=0;for(i=0;i<=5;i++) //进行3重循环,计算出所有可能的子段和{for(j=i;j<=5;j++){for( k=i;k<=j;k++){b[k1]+=a[k];}if(b[k1]<0)b[k1]=0;k1++;}}max=b[0];for(k1=1;k1<sum;k1++) //求出数组b中的最大值,即为所求的最大子段和if(max<b[k1])max=b[k1];return max;}算法2int MAX_SUM(int a[]){int k=0,max;for(int i=0;i<=5;i++) //进行2重循环计算可能的最大子段和,存于辅助数组b中{for(int j=i;j<=5;j++){if(i==j)b[k]=a[j];elseb[k]=b[k-1]+a[j]; //利用前k-1个已计算出的最大子段和求k个的最大子段和 if(b[k]<0)b[k]=0;k++;}max=b[0];for(k=1;k<sum;k++) //求出数组b中的最大值,即为所求的最大子段和if(max<b[k])max=b[k];return max;}}算法3int MAX_SUM(int a[], int left, int right){int leftsum,rightsum,center,s1,s2,lefts,rights,s;if (left==right) //当left==right时,直接计算最大子段和{if (a[left]>0)return a[left];else return 0;}else{center=(left+right)/2;leftsum=MAX_SUM(a,left,center); //否则计算当前子段[1..n/2]的最大子段rightsum=MAX_SUM(a,center+1,right); //否则计算当前子段[n/2+1..n]的最大子段}s1=0;lefts=0;for(int i=center;i>=left;i--) //计算前半段子段和{lefts+=a[i];if(lefts>s1) //如果子段和小于0,记为0s1=lefts;}s2=rights=0;for(int j=center+1;j<=right;j++) //计算后半段子段和{rights+=a[j];if(rights>s2)s2=rights;}s=s1+s2; //计算跨越2子段的子段和sif(s>leftsum) //前半段leftsum,后半段rightsum,和s的大小,最大者即是当前段的最大子段和{if(s>rightsum)return s;elsereturn rightsum;}else{if(leftsum>rights)return leftsum;elsereturn rightsum;}}算法4int MAX_SUM(int a[]) //根据推导b[j]等于a[0..j]的最大子段和{int temp,max;int b[6]; //辅助数组b,存储b[1..5]的各个子段和for(int j=0;j<=6;j++){if(j==0)b1[j]=0; //b[0]定为不包含任何元素的子段,显然它为0else{temp=b1[j-1]+a[j-1]; //计算b[j]的值。
浅析求解最大子段和问题的算法
浅析求解最大子段和问题的算法
袁佳乐
【期刊名称】《内蒙古环境科学》
【年(卷),期】2009(000)003
【摘要】用计算机解决复杂的问题,往往把一个大的、复杂的问题根据其功能划分为不同的模块,每一个模块完成一独立的功能.如果每一个模块用计算机语言来实现,那么当所有模块都实现时,即为对复杂问题的解决.最大子段和问题就是一具有独立功能的小模块,在很多大的问题中都涉及到此问题,用不同的算法解决此问题,并分析其优劣.
【总页数】4页(P)
【作者】袁佳乐
【作者单位】西安文理学院计算机科学系
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.算法设计与分析课程中最大子段和问题的教学探讨 [J], 周波;刘文强;乔付;韩娜
2.最大子段和问题的算法分析与比较 [J], 陈坚强
3.浅析C语言中求解素数问题的算法 [J], 吴海花
4.浅析求解最大子段和问题的算法 [J], 袁佳乐
5.浅析用模拟退火算法求解旅行商问题 [J], 柯贵青
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
昆明理工大学信息工程与自动化学院学生实验报告
( 201 — 201 学年 第 1 学期 )
课程名称:算法分析与设计 开课实验室: 年 月 日
一、上机目的及内容
1.上机内容
给定有n 个整数(可能有负整数)组成的序列(a 1,a 2,…,a n ),求改序列形如
∑=j
k k
a
1
的子段和的
最大值,当所有整数均为负整数时,其最大子段和为0。
2.上机目的
(1)复习数据结构课程的相关知识,实现课程间的平滑过渡; (2)掌握并应用算法的数学分析和后验分析方法;
(3)理解这样一个观点:不同的算法能够解决相同的问题,这些算法的解题思路不同,复杂程度不同,解题效率也不同。
二、实验原理及基本技术路线图(方框原理图或程序流程图)
(1)分别用穷举法、分治法和动态规划法设计最大子段和问题的算法; (2)对所设计的算法采用大O 符号进行时间复杂性分析;
(3)上机实现算法,并用计数法和计时法分别测算算法的运行时间; (4)通过分析对比,得出自己的结论。
穷举法是用一个二维数组将从i 到j 的和都记录下来,再比较各元素的大小,时间复杂性为O (n 2),分治法的设计思想是不断将问题为子问题,然后求解子问题,最后对解进行合并,时间复杂性为O(nlog n ),动态规划法的设计思想是将问题划分为若干个子问题,时间复杂度为O(n)。
分治法流程图:
穷举法流程图: 动态规划法流程图:
三、所用仪器、材料(设备名称、型号、规格等或使用软件)
1台PC 及VISUAL C++6.0软件
四、实验方法、步骤(或:程序代码或操作过程)
程序代码:
//穷举法
#include<stdio.h>
void main()
{
int i,j,n;
int num[100],a[100],max;
printf("\t\t\t 最大子段和问题(穷举法)\n\n");
printf("请输入所要求最大字段和整数的个数:\n");
scanf("%d",&n);
printf("请分别输入这%d个整数的值:\n",n);
for(i=0;i<n;i++)
scanf("%d",&num[i]);
max=num[0];
for(i=1;i<=n;i++)
{
if(max<num[i])
max=num[i];
}
a[1]=num[1];
for(i=1;i<=n;i++)
{
for(j=i+1;j<=n;j++)
{
a[i]+=num[j];
if(max<a[i])
max=a[i];
}
}
if(max<0)
max=0;
printf("这%d个整数组成的序列的最大子段和是:%d\n",n,max); }
//分治法
#include<stdio.h>
int MaxSum(int a[],int left,int right)
{
int sum=0;
if (left==right)
{
if (a[left]>0)
sum=a[left];
else
sum=0;
}
else{
int center=(left+right)/2;
int leftsum=MaxSum(a,left,center);
int rightsum=MaxSum(a,center+1,right);
int s1=0;
int lefts=0;
for(int i=center;i>=left;i--)
{
lefts+=a[i];
if(lefts>s1)
s1=lefts;
}
int s2=0;
int rights=0;
for(int j=center+1;j<=right;j++)
{
rights+=a[j];
if(rights>s2)
s2=rights;
}
sum=s1+s2;
if(sum<leftsum)sum=leftsum;
if(sum<rightsum)sum=rightsum;
}
return sum;
}
void main()
{
int n,a[100],m,maxsum;
printf("\t\t\t 最大子段和问题(分治法)\n\n");
printf("请输入所要求最大字段和整数的个数:\n");
scanf("%d",&n);
printf("请分别输入这%d个整数的值:\n",n);
for(m=1;m<=n;m++)
scanf("%d",&a[m]);
maxsum=MaxSum(a,1,n);
printf("这%d个整数组成的序列的最大子段和是:%d\n",n,maxsum);}
//动态规划法
#include<stdio.h>
void MaxSum(int n,int a[])
{
int sum=0;
int b=0;
for(int i=1;i<=n;i++)
{
if(b>0)
b+=a[i];
else
b=a[i];
if(b>sum)
sum=b;
}
printf("这%d个整数组成的序列的最大子段和是:%d\n",n,sum);
}
void main()
{
int n,a[100],m,maxsum;
printf("\t\t\t最大子段和问题(动态规划法)\n\n");
printf("请输入所要求最大字段和整数的个数:\n");
scanf("%d",&n);
printf("请分别输入这%d个整数的值:\n",n);
for(m=1;m<=n;m++)
scanf("%d",&a[m]);
MaxSum(n,a);
}
五、实验过程原始记录( 测试数据、图表、计算等)
程序运行截图:
六、实验结果、分析和结论(误差分析与数据处理、成果总结等。
其中,绘制曲线图时必须用计算纸或程序运行结果、改进、收获)
这次实验我们是用穷举法、分治法和动态规划法三种方法来求解最大子段和问题。
我们都知道,分治法就是将一个复杂的问题分解成两个或者更多的相同或相似的子问题,直到最后的子问题能够简单的求解,原问题的解就是子问题的解的合并,而且该问题所分解的各个子问题是相互独立的。