简谈常见的算法分析设计策略 算法设计

简谈常见的算法分析设计策略项波波,09713043（安徽中医学院信息工程学院，安徽合肥 230031 ）摘要：对于计算机科学来说，算法分析与设计是至关重要的。

怎样分析算法的“好”于“坏”，怎样设计算法，并以广泛用于计算机科学中，这要我们了解掌握各种算法分析设计策略。

本文阐述有哪些算法分析设计策略，说明各个策略的特点、方法。

总结算法设计分析的各种分析设计策略，加深对各种算法分析设计的应用，学会运用各种算法设计分析问题。

关键字：算法分析与设计、实质、特点、要求。

Jane talk about common algorithm analysis design strategyXIANG bo bo, 09713043(School of Medical and Information Engineering , Traditional Chinese Medicine Of Anhui University , Hefei , an hui 230031 China )Abstract: for computer science for, the algorithm analysis and design is very important. How to analysis algorithm of "good" in the "bad", how to design algorithm, and widely used in computer science, this to our understanding of all kinds of the algorithm analysis design strategy. This paper analyzes what algorithm design strategy, explain the characteristics of various strategies and methods. Summary analysis algorithm design kinds of analysis design strategy, deepen our understanding of the various algorithm analysis and design of the application, and learn to use all kinds of algorithm design analysis problem.Key word: algorithm analysis and design, the essence, the characteristic, the requirements.中图分类号：TU 411.01文献标识码：A0、引言我们一般常见的几种算法分析设计策略主要有：递归算法、动态规划、贪心算法、回溯法、分支限界法。

接下来我主要介绍一下这几种算法。

1.1递归算法：直接或间接地调用自身的算法称为递归算法。

用函数自身给出定义的函数称为递归函数。

递归算法的实质：递归算法的实质：是把问题转化为规模缩小了的同类问题的子问题。

然后递归调用函数(或过程)来表示问题的解。

递归算法的特点：递归算法解决问题的特点：(1) 递归就是在过程或函数里调用自身。

(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。

(3) 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。

所以一般不提倡用递归算法设计程序。

(4) 在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。

递归次数过多容易造成栈溢出等。

所以一般不提倡用递归算法设计程序。

递归算法举例：描述：把一个整数按n(2<=n<=20)进制表示出来，并保存在给定字符串中。

比如121用二进制表示得到结果为：“11 11001”。

参数说明：s: 保存转换后得到的结果。

n: 待转换的整数。

b: n进制（2<=n<=20）voidnumbconv(char *s, int n, int b){int len;if(n == 0) {strcpy(s, "");return;}/* figure out first n-1 digits */numbconv(s, n/b, b);/* add last digit */len = strlen(s);s[len] = "0123456789ABCDEFGH IJKLMNOPQRSTUVWXYZ"[n%b];s[len+1] = '\0';}voidmain(void){char s[20];int i, base;FILE *fin, *fout;fin = fopen("palsquare.in", "r");fout = fopen("palsquare.out", "w ");assert(fin != NULL && fout != N ULL);fscanf(fin, "%d", &base);/*PLS set START and END*/for(i=START; i <= END; i++) {numbconv(s, i*i, base);fprintf(fout, "%s\n", s);}exit(0);}1.2 分治法在计算机科学中，分治法是一种很重要的算法。

字面上的解释是“分而治之”，就是把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。

这个技巧是很多高效算法的基础，如排序算法(快速排序，归并排序)，傅立叶变换(快速傅立叶变换)分治策略：对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n较小）则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解这些子问题，然后将各子问题的解合并得到原问题的解。

分治法所能解决的问题一般具有以下几个特征：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子问题。

分治法在每一层递归上都有三个步骤：分解：将原问题分解为若干个规模较小，相互独立，与原问题形式相同的子问题；解决：若子问题规模较小而容易被解决则直接解，否则递归地解各个子问题合并：将各个子问题的解合并为原问题的解。

它的一般的算法设计模式如下：Divide-and-Conquer(P)1. if |P|≤n02. then return(ADHOC(P))3. 将P分解为较小的子问题P1 ,P2 ,...,Pk4. for i←1 to k5. do yi ← Divide-and-Conq uer(Pi) △递归解决Pi6. T ← MERGE(y1,y2,...,yk)△合并子问题7. return(T)其中|P|表示问题P的规模；n0为一阈值，表示当问题P的规模不超过n0时，问题已容易直接解出，不必再继续分解。

ADHOC(P)是该分治法中的基本子算法，用于直接解小规模的问题P。

因此，当P的规模不超过n0时直接用算法ADHOC(P)求解。

算法MERGE(y1,y2,...,yk)是该分治法中的合并子算法，用于将P的子问题P1 ,P2 ,...,Pk的相应的解y1,y2,...,yk合并为P的解。

1.3 递归与分治如果原问题可分割成k个子问题，1<k≤n ，且这些子问题都可解并可利用这些子问题的解求出原问题的解，那么这种分治法就是可行的。

由分治法产生的子问题往往是原问题的较小模式，这就为使用递归技术提供了方便。

在这种情况下，反复应用分治手段，可以使子问题与原问题类型一致而其规模却不断缩小，最终使子问题缩小到很容易直接求出其解。

这自然导致递归过程的产生。

分治与递归像一对孪生兄弟，经常同时应用在算法设计之中，并由此产生许多高效算法。

1.4 动态规划动态规划算法通常用于求解具有某种最优性质的问题。

在这类问题中，可能会有许多可行解。

每一个解都对应于一个值，我们希望找到具有最优值的解。

动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。

与分治法不同的是，适合于用动态规划求解的问题，经分解得到子问题往往不是互相独立的。

若用分治法来解这类问题，则分解得到的子问题数目太多，有些子问题被重复计算了很多次。

如果我们能够保存已解决的子问题的答案，而在需要时再找出已求得的答案，这样就可以避免大量的重复计算，节省时间。

我们可以用一个表来记录所有已解的子问题的答案。

不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。

这就是动态规划法的基本思路。

具体的动态规划算法多种多样，但它们具有相同的填表格式。

动态规划适用条件：任何思想方法都有一定的局限性，超出了特定条件，它就失去了作用。

同样，动态规划也并不是万能的。

适用动态规划的问题必须满足最优化原理和无后效性。

1.最优化原理（最优子结构性质）最优化原理可这样阐述：一个最优化策略具有这样的性质，不论过去状态和决策如何，对前面的决策所形成的状态而言，余下的诸决策必须构成最优策略。

简而言之，一个最优化策略的子策略总是最优的。

一个问题满足最优化原理又称其具有最优子结构性质。

2.无后向性将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，它以前各阶段的状态无法直接影响它未来的决策，而只能通过当前的这个状态。

换句话说，每个状态都是过去历史的一个完整总结。

这就是无后向性，又称为无后效性。

3.子问题的重叠性动态规划将原来具有指数级复杂度的搜索算法改进成了具有多项式时间的算法。

其中的关键在于解决冗余，这是动态规划算法的根本目的。

动态规划实质上是一种以空间换时间的技术，它在实现的过程中，不得不存储产生过程中的各种状态，所以它的空间复杂度要大于其它的算法。

1.5 贪心算法所谓贪心算法（又称贪婪算法）是指，在对问题求解时，总是做出在当前看来是最好的选择。

也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。

贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题他能产生整体最优解或者是整体最优解的近似解。