算法实验报告
算法实验报告结果分析
一、实验背景随着计算机科学技术的不断发展,算法作为计算机科学的核心内容之一,其重要性日益凸显。
为了验证和评估不同算法的性能,我们进行了一系列算法实验,通过对比分析实验结果,以期为后续算法研究和优化提供参考。
二、实验方法本次实验选取了三种常见的算法:快速排序、归并排序和插入排序,分别对随机生成的数据集进行排序操作。
实验数据集的大小分为10000、20000、30000、40000和50000五个级别,以验证算法在不同数据量下的性能表现。
实验过程中,我们使用Python编程语言实现三种算法,并记录每种算法的运行时间。
同时,为了确保实验结果的准确性,我们对每种算法进行了多次运行,并取平均值作为最终结果。
三、实验结果1. 快速排序快速排序是一种高效的排序算法,其平均时间复杂度为O(nlogn)。
从实验结果来看,快速排序在所有数据量级别下均表现出较好的性能。
在数据量较小的10000和20000级别,快速排序的运行时间分别为0.05秒和0.1秒;而在数据量较大的40000和50000级别,运行时间分别为0.8秒和1.2秒。
总体来看,快速排序在各个数据量级别下的运行时间均保持在较低水平。
2. 归并排序归并排序是一种稳定的排序算法,其时间复杂度也为O(nlogn)。
实验结果显示,归并排序在数据量较小的10000和20000级别下的运行时间分别为0.15秒和0.25秒,而在数据量较大的40000和50000级别,运行时间分别为1.5秒和2.5秒。
与快速排序相比,归并排序在数据量较小的情况下性能稍逊一筹,但在数据量较大时,其运行时间仍然保持在较低水平。
3. 插入排序插入排序是一种简单易实现的排序算法,但其时间复杂度为O(n^2)。
实验结果显示,插入排序在数据量较小的10000和20000级别下的运行时间分别为0.3秒和0.6秒,而在数据量较大的40000和50000级别,运行时间分别为8秒和15秒。
可以看出,随着数据量的增加,插入排序的性能明显下降。
算法性能实验报告
一、实验目的本次实验旨在通过对比分析几种常用排序算法的性能,深入了解各种算法在不同数据规模和不同数据分布情况下的时间复杂度和空间复杂度,为实际应用中算法的选择提供参考。
二、实验环境- 操作系统:Windows 10- 编程语言:C++- 编译器:Visual Studio 2019- 测试数据:随机生成的正整数序列三、实验内容本次实验主要对比分析了以下几种排序算法:1. 冒泡排序(Bubble Sort)2. 选择排序(Selection Sort)3. 插入排序(Insertion Sort)4. 快速排序(Quick Sort)5. 归并排序(Merge Sort)6. 希尔排序(Shell Sort)四、实验方法1. 对每种排序算法,编写相应的C++代码实现。
2. 生成不同规模(1000、5000、10000、50000、100000)的随机正整数序列作为测试数据。
3. 对每种排序算法,分别测试其时间复杂度和空间复杂度。
4. 对比分析不同算法在不同数据规模和不同数据分布情况下的性能。
五、实验结果与分析1. 时间复杂度(1)冒泡排序、选择排序和插入排序的平均时间复杂度均为O(n^2),在数据规模较大时性能较差。
(2)快速排序和归并排序的平均时间复杂度均为O(nlogn),在数据规模较大时性能较好。
(3)希尔排序的平均时间复杂度为O(n^(3/2)),在数据规模较大时性能优于冒泡排序、选择排序和插入排序,但不如快速排序和归并排序。
2. 空间复杂度(1)冒泡排序、选择排序和插入排序的空间复杂度均为O(1),属于原地排序算法。
(2)快速排序和归并排序的空间复杂度均为O(n),需要额外的空间来存储临时数组。
(3)希尔排序的空间复杂度也为O(1),属于原地排序算法。
3. 不同数据分布情况下的性能(1)对于基本有序的数据,快速排序和归并排序的性能会受到影响,此时希尔排序的性能较好。
(2)对于含有大量重复元素的数据,快速排序的性能会受到影响,此时插入排序的性能较好。
算法实验报告
算法实验报告算法实验报告引言:算法是计算机科学的核心内容之一,它是解决问题的方法和步骤的描述。
算法的设计和分析是计算机科学与工程中的重要研究方向之一。
本实验旨在通过对算法的实际应用和实验验证,深入理解算法的性能和效果。
实验一:排序算法的比较在本实验中,我们将比较三种常见的排序算法:冒泡排序、插入排序和快速排序。
我们将通过对不同规模的随机数组进行排序,并记录每种算法所需的时间和比较次数,以评估它们的性能。
实验结果显示,快速排序是最快的排序算法,其时间复杂度为O(nlogn),比较次数也相对较少。
插入排序的时间复杂度为O(n^2),比较次数较多,但对于小规模的数组排序效果较好。
而冒泡排序的时间复杂度也为O(n^2),但比较次数更多,效率相对较低。
实验二:图的最短路径算法在图的最短路径问题中,我们将比较Dijkstra算法和Floyd-Warshall算法的效率和准确性。
我们将使用一个带权有向图,并计算从一个顶点到其他所有顶点的最短路径。
实验结果表明,Dijkstra算法适用于单源最短路径问题,其时间复杂度为O(V^2),其中V为顶点数。
而Floyd-Warshall算法适用于多源最短路径问题,其时间复杂度为O(V^3)。
两种算法在准确性上没有明显差异,但在处理大规模图时,Floyd-Warshall算法的效率较低。
实验三:动态规划算法动态规划是一种通过将问题分解成子问题并记录子问题的解来解决复杂问题的方法。
在本实验中,我们将比较两种动态规划算法:0-1背包问题和最长公共子序列问题。
实验结果显示,0-1背包问题的动态规划算法可以有效地找到最优解,其时间复杂度为O(nW),其中n为物品个数,W为背包容量。
最长公共子序列问题的动态规划算法可以找到两个序列的最长公共子序列,其时间复杂度为O(mn),其中m和n分别为两个序列的长度。
结论:通过本次实验,我们对不同算法的性能和效果有了更深入的了解。
排序算法中,快速排序是最快且效率最高的;在图的最短路径问题中,Dijkstra算法和Floyd-Warshall算法分别适用于不同的场景;动态规划算法可以解决复杂的问题,并找到最优解。
阶乘的算法实验报告
一、实验目的1. 掌握阶乘算法的基本原理和实现方法;2. 分析不同阶乘算法的效率;3. 提高编程能力和算法优化能力。
二、实验环境1. 操作系统:Windows 102. 编程语言:Python3.83. 开发工具:PyCharm三、实验内容1. 阶乘算法实现2. 性能分析四、实验步骤1. 阶乘算法实现(1)递归法实现阶乘```pythondef factorial_recursive(n):if n == 0 or n == 1:return 1else:return n factorial_recursive(n - 1) ```(2)迭代法实现阶乘```pythondef factorial_iterative(n):result = 1for i in range(1, n + 1):result = ireturn result```2. 性能分析(1)测试数据为了测试不同阶乘算法的性能,我们选取以下测试数据:- 较小数值:n = 5- 较大数值:n = 10- 极大数值:n = 20(2)性能测试```pythonimport timedef test_factorial():n_list = [5, 10, 20]for n in n_list:start_time = time.time()factorial_recursive(n)recursive_time = time.time() - start_time start_time = time.time()factorial_iterative(n)iterative_time = time.time() - start_timeprint(f"n = {n}:")print(f"递归法耗时:{recursive_time:.6f}秒")print(f"迭代法耗时:{iterative_time:.6f}秒")print("")test_factorial()```五、实验结果与分析1. 实验结果(1)n = 5递归法耗时:0.000002秒迭代法耗时:0.000001秒(2)n = 10递归法耗时:0.000003秒迭代法耗时:0.000001秒(3)n = 20递归法耗时:0.000016秒迭代法耗时:0.000002秒2. 分析(1)从实验结果可以看出,迭代法在计算阶乘时比递归法具有更高的效率。
现代密码算法实验报告(3篇)
第1篇一、实验目的1. 了解现代密码学的基本原理和数论基础知识;2. 掌握非对称密码体制的著名代表RSA加密算法的工作原理和流程;3. 设计实现一个简单的密钥系统;4. 掌握常用加密算法AES和DES的原理及实现。
二、实验内容1. RSA加密算法实验2. AES加密算法实验3. DES加密算法实验三、实验原理1. RSA加密算法RSA算法是一种非对称加密算法,由罗纳德·李维斯特、阿迪·沙米尔和伦纳德·阿德曼三位密码学家于1977年提出。
其基本原理是选择两个大质数p和q,计算它们的乘积n=pq,并计算欧拉函数φ(n)=(p-1)(q-1)。
选择一个整数e,满足1<e<φ(n)且e与φ(n)互质。
计算e关于φ(n)的模逆元d。
公开密钥为(e,n),私有密钥为(d,n)。
加密过程为C=Me mod n,解密过程为M=Cd mod n。
2. AES加密算法AES(Advanced Encryption Standard)是一种分组加密算法,采用128位分组大小和128、192或256位密钥长度。
AES算法主要分为四个阶段:初始轮、密钥扩展、中间轮和最终轮。
每个轮包括字节替换、行移位、列混淆和轮密钥加。
3. DES加密算法DES(Data Encryption Standard)是一种分组加密算法,采用64位分组大小和56位密钥长度。
DES算法主要分为16轮,每轮包括置换、置换-置换、S盒替换和密钥加。
四、实验步骤及内容1. RSA加密算法实验(1)选择两个大质数p和q,计算n=pq和φ(n)=(p-1)(q-1);(2)选择一个整数e,满足1<e<φ(n)且e与φ(n)互质,计算e关于φ(n)的模逆元d;(3)生成公开密钥(e,n)和私有密钥(d,n);(4)用公钥对明文进行加密,用私钥对密文进行解密。
2. AES加密算法实验(1)选择一个128、192或256位密钥;(2)初始化初始轮密钥;(3)进行16轮加密操作,包括字节替换、行移位、列混淆和轮密钥加;(4)输出加密后的密文。
算法课设实验报告(3篇)
第1篇一、实验背景与目的随着计算机技术的飞速发展,算法在计算机科学中扮演着至关重要的角色。
为了加深对算法设计与分析的理解,提高实际应用能力,本实验课程设计旨在通过实际操作,让学生掌握算法设计与分析的基本方法,学会运用所学知识解决实际问题。
二、实验内容与步骤本次实验共分为三个部分,分别为排序算法、贪心算法和动态规划算法的设计与实现。
1. 排序算法(1)实验目的:熟悉常见的排序算法,理解其原理,比较其优缺点,并实现至少三种排序算法。
(2)实验内容:- 实现冒泡排序、快速排序和归并排序三种算法。
- 对每种算法进行时间复杂度和空间复杂度的分析。
- 编写测试程序,对算法进行性能测试,比较不同算法的优劣。
(3)实验步骤:- 分析冒泡排序、快速排序和归并排序的原理。
- 编写三种排序算法的代码。
- 分析代码的时间复杂度和空间复杂度。
- 编写测试程序,生成随机测试数据,测试三种算法的性能。
- 比较三种算法的运行时间和内存占用。
2. 贪心算法(1)实验目的:理解贪心算法的基本思想,掌握贪心算法的解题步骤,并实现一个贪心算法问题。
(2)实验内容:- 实现一个贪心算法问题,如活动选择问题。
- 分析贪心算法的正确性,并证明其最优性。
(3)实验步骤:- 分析活动选择问题的贪心策略。
- 编写贪心算法的代码。
- 分析贪心算法的正确性,并证明其最优性。
- 编写测试程序,验证贪心算法的正确性。
3. 动态规划算法(1)实验目的:理解动态规划算法的基本思想,掌握动态规划算法的解题步骤,并实现一个动态规划算法问题。
(2)实验内容:- 实现一个动态规划算法问题,如背包问题。
- 分析动态规划算法的正确性,并证明其最优性。
(3)实验步骤:- 分析背包问题的动态规划策略。
- 编写动态规划算法的代码。
- 分析动态规划算法的正确性,并证明其最优性。
- 编写测试程序,验证动态规划算法的正确性。
三、实验结果与分析1. 排序算法实验结果:- 冒泡排序:时间复杂度O(n^2),空间复杂度O(1)。
FFT算法分析实验实验报告
FFT算法分析实验实验报告一、实验目的快速傅里叶变换(Fast Fourier Transform,FFT)是数字信号处理中一种非常重要的算法。
本次实验的目的在于深入理解 FFT 算法的基本原理、性能特点,并通过实际编程实现和实验数据分析,掌握 FFT 算法在频谱分析中的应用。
二、实验原理FFT 算法是离散傅里叶变换(Discrete Fourier Transform,DFT)的快速计算方法。
DFT 的定义为:对于长度为 N 的序列 x(n),其 DFT 为X(k) =∑n=0 到 N-1 x(n) e^(j 2π k n / N) ,其中 j 为虚数单位。
FFT 算法基于分治法的思想,将 N 点 DFT 分解为多个较小规模的DFT,从而大大减少了计算量。
常见的 FFT 算法有基 2 算法、基 4 算法等。
三、实验环境本次实验使用的编程语言为 Python,主要依赖 numpy 库来实现 FFT 计算和相关的数据处理。
四、实验步骤1、生成测试信号首先,生成一个包含不同频率成分的正弦波叠加信号,例如100Hz、200Hz 和 300Hz 的正弦波。
设定采样频率为 1000Hz,采样时间为 1 秒,以获取足够的采样点进行分析。
2、进行 FFT 计算使用 numpy 库中的 fft 函数对生成的测试信号进行 FFT 变换。
3、频谱分析计算 FFT 结果的幅度谱和相位谱。
通过幅度谱确定信号中各个频率成分的强度。
4、误差分析与理论上的频率成分进行对比,计算误差。
五、实验结果与分析1、幅度谱分析观察到在 100Hz、200Hz 和 300Hz 附近出现明显的峰值,对应于生成信号中的频率成分。
峰值的大小反映了相应频率成分的强度。
2、相位谱分析相位谱显示了各个频率成分的相位信息。
3、误差分析计算得到的频率与理论值相比,存在一定的误差,但在可接受范围内。
误差主要来源于采样过程中的量化误差以及 FFT 算法本身的近似处理。
算法与分析实验报告
算法与分析实验报告一、引言算法是现代计算机科学中的核心概念,通过合理设计的算法可以解决复杂的问题,并提高计算机程序的执行效率。
本次实验旨在通过实际操作和数据统计,对比分析不同算法的执行效率,探究不同算法对于解决特定问题的适用性和优劣之处。
二、实验内容本次实验涉及两个经典的算法问题:排序和搜索。
具体实验内容如下:1. 排序算法- 冒泡排序- 插入排序- 快速排序2. 搜索算法- 顺序搜索- 二分搜索为了对比不同算法的执行效率,我们需要设计合适的测试用例并记录程序执行时间进行比较。
实验中,我们将使用随机生成的整数数组作为排序和搜索的测试数据,并统计执行时间。
三、实验步骤1. 算法实现与优化- 实现冒泡排序、插入排序和快速排序算法,并对算法进行优化,提高执行效率。
- 实现顺序搜索和二分搜索算法。
2. 数据生成- 设计随机整数数组生成函数,生成不同大小的测试数据。
3. 实验设计- 设计实验方案,包括测试数据的规模、重复次数等。
4. 实验执行与数据收集- 使用不同算法对随机整数数组进行排序和搜索操作,记录执行时间。
- 多次重复同样的操作,取平均值以减小误差。
5. 数据分析与结果展示- 将实验收集到的数据进行分析,并展示在数据表格或图表中。
四、实验结果根据实验数据的收集与分析,我们得到以下结果:1. 排序算法的比较- 冒泡排序:平均执行时间较长,不适用于大规模数据排序。
- 插入排序:执行效率一般,在中等规模数据排序中表现良好。
- 快速排序:执行效率最高,适用于大规模数据排序。
2. 搜索算法的比较- 顺序搜索:执行时间与数据规模成线性关系,适用于小规模数据搜索。
- 二分搜索:执行时间与数据规模呈对数关系,适用于大规模有序数据搜索。
实验结果表明,不同算法适用于不同规模和类型的问题。
正确选择和使用算法可以显著提高程序的执行效率和性能。
五、实验总结通过本次实验,我们深入了解了不同算法的原理和特点,并通过实际操作和数据分析对算法进行了比较和评估。
聚类分析算法实验报告(3篇)
第1篇一、实验背景聚类分析是数据挖掘中的一种重要技术,它将数据集划分成若干个类或簇,使得同一簇内的数据点具有较高的相似度,而不同簇之间的数据点则具有较低相似度。
本实验旨在通过实际操作,了解并掌握聚类分析的基本原理,并对比分析不同聚类算法的性能。
二、实验环境1. 操作系统:Windows 102. 软件环境:Python3.8、NumPy 1.19、Matplotlib 3.3.4、Scikit-learn0.24.03. 数据集:Iris数据集三、实验内容本实验主要对比分析以下聚类算法:1. K-means算法2. 聚类层次算法(Agglomerative Clustering)3. DBSCAN算法四、实验步骤1. K-means算法(1)导入Iris数据集,提取特征数据。
(2)使用Scikit-learn库中的KMeans类进行聚类,设置聚类数为3。
(3)计算聚类中心,并计算每个样本到聚类中心的距离。
(4)绘制聚类结果图。
2. 聚类层次算法(1)导入Iris数据集,提取特征数据。
(2)使用Scikit-learn库中的AgglomerativeClustering类进行聚类,设置链接方法为'ward'。
(3)计算聚类结果,并绘制树状图。
3. DBSCAN算法(1)导入Iris数据集,提取特征数据。
(2)使用Scikit-learn库中的DBSCAN类进行聚类,设置邻域半径为0.5,最小样本数为5。
(3)计算聚类结果,并绘制聚类结果图。
五、实验结果与分析1. K-means算法实验结果显示,K-means算法将Iris数据集划分为3个簇,每个簇包含3个样本。
从聚类结果图可以看出,K-means算法能够较好地将Iris数据集划分为3个簇,但存在一些噪声点。
2. 聚类层次算法聚类层次算法将Iris数据集划分为3个簇,与K-means算法的结果相同。
从树状图可以看出,聚类层次算法在聚类过程中形成了多个分支,说明该算法能够较好地处理不同簇之间的相似度。
算法冒泡排序实验报告(3篇)
第1篇一、实验目的本次实验旨在通过实现冒泡排序算法,加深对排序算法原理的理解,掌握冒泡排序的基本操作,并分析其性能特点。
二、实验内容1. 冒泡排序原理冒泡排序是一种简单的排序算法,它重复地遍历要排序的数列,一次比较两个元素,如果它们的顺序错误就把它们交换过来。
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。
2. 实验步骤(1)设计一个冒泡排序函数,输入为待排序的数组,输出为排序后的数组。
(2)编写一个主函数,用于测试冒泡排序函数的正确性和性能。
(3)通过不同的数据规模和初始顺序,分析冒泡排序的性能特点。
3. 实验环境(1)编程语言:C语言(2)开发环境:Visual Studio Code(3)测试数据:随机生成的数组、有序数组、逆序数组三、实验过程1. 冒泡排序函数设计```cvoid bubbleSort(int arr[], int n) {int i, j, temp;for (i = 0; i < n - 1; i++) {for (j = 0; j < n - i - 1; j++) {if (arr[j] > arr[j + 1]) {temp = arr[j];arr[j] = arr[j + 1];arr[j + 1] = temp;}}}}```2. 主函数设计```cinclude <stdio.h>include <stdlib.h>include <time.h>int main() {int n;printf("请输入数组长度:");scanf("%d", &n);int arr = (int )malloc(n sizeof(int)); if (arr == NULL) {printf("内存分配失败\n");return 1;}// 生成随机数组srand((unsigned)time(NULL));for (int i = 0; i < n; i++) {arr[i] = rand() % 100;}// 冒泡排序bubbleSort(arr, n);// 打印排序结果printf("排序结果:\n");for (int i = 0; i < n; i++) {printf("%d ", arr[i]);}printf("\n");// 释放内存free(arr);return 0;}```3. 性能分析(1)对于随机生成的数组,冒泡排序的平均性能较好,时间复杂度为O(n^2)。
算法仿真实验报告
一、实验目的本次实验旨在通过仿真实验,验证某算法在实际应用中的性能和效果,并对算法的优化进行初步探讨。
通过实验,深入了解算法的原理,分析其优缺点,为实际工程应用提供参考。
二、实验环境1. 操作系统:Windows 102. 编程语言:Python3.83. 仿真软件:MATLAB 2019b4. 硬件环境:****************************,16GB RAM三、实验内容1. 算法原理及描述2. 仿真实验设计3. 实验结果分析4. 算法优化及讨论四、实验原理及描述本次实验采用的算法为某种优化算法,该算法基于某种迭代优化策略,通过迭代计算,逐步逼近最优解。
算法原理如下:(1)初始化:随机生成一组初始解;(2)迭代计算:根据某种迭代规则,对当前解进行更新;(3)判断:判断是否满足终止条件,若满足,则输出最优解;否则,继续迭代计算;(4)更新:将新解作为当前解,返回步骤(2)。
五、仿真实验设计1. 实验数据:选取一组具有代表性的测试数据,包括输入数据和期望输出数据;2. 实验步骤:(1)导入实验数据;(2)调用算法进行仿真实验;(3)记录实验结果;(4)分析实验结果。
六、实验结果分析1. 实验结果展示(1)输入数据:[1, 2, 3, 4, 5](2)期望输出:[1, 2, 3, 4, 5](3)算法输出:[1, 2, 3, 4, 5](4)误差分析:误差为0,说明算法输出与期望输出一致。
2. 性能分析(1)算法运行时间:0.001s(2)迭代次数:100次(3)算法收敛速度:较快3. 优缺点分析(1)优点:算法简单易实现,收敛速度快;(2)缺点:对初始解敏感,容易陷入局部最优。
七、算法优化及讨论1. 优化策略(1)改进初始解:采用某种方法生成更好的初始解,提高算法的鲁棒性;(2)调整迭代规则:优化迭代规则,使算法在迭代过程中更加稳定;(3)引入多种优化算法:结合多种优化算法,提高算法的适应性和全局搜索能力。
算法的应用实验报告
一、实验目的1. 理解算法的基本概念和应用领域。
2. 掌握常用算法的设计与实现方法。
3. 通过实验,提高算法分析和解决实际问题的能力。
二、实验环境1. 操作系统:Windows 102. 编程语言:Python3.73. 开发工具:PyCharm三、实验内容本次实验主要涉及以下算法:1. 冒泡排序2. 快速排序3. 二分查找4. 线性查找四、实验步骤1. 冒泡排序(1)实现冒泡排序算法的Python代码:```pythondef bubble_sort(arr):n = len(arr)for i in range(n):for j in range(0, n-i-1):if arr[j] > arr[j+1]:arr[j], arr[j+1] = arr[j+1], arr[j]return arr# 测试冒泡排序算法arr = [64, 34, 25, 12, 22, 11, 90]print("Original array:", arr)sorted_arr = bubble_sort(arr)print("Sorted array:", sorted_arr)```(2)分析冒泡排序算法的时间复杂度:O(n^2)2. 快速排序(1)实现快速排序算法的Python代码:```pythondef quick_sort(arr):if len(arr) <= 1:return arrpivot = arr[len(arr) // 2]left = [x for x in arr if x < pivot]middle = [x for x in arr if x == pivot]right = [x for x in arr if x > pivot]return quick_sort(left) + middle + quick_sort(right) # 测试快速排序算法arr = [64, 34, 25, 12, 22, 11, 90]print("Original array:", arr)sorted_arr = quick_sort(arr)print("Sorted array:", sorted_arr)```(2)分析快速排序算法的时间复杂度:O(nlogn) 3. 二分查找(1)实现二分查找算法的Python代码:```pythondef binary_search(arr, x):low = 0high = len(arr) - 1while low <= high:mid = (low + high) // 2if arr[mid] < x:low = mid + 1elif arr[mid] > x:high = mid - 1else:return midreturn -1# 测试二分查找算法arr = [1, 3, 5, 7, 9, 11, 13, 15]print("Original array:", arr)x = 7result = binary_search(arr, x)if result != -1:print(f"Element {x} is present at index {result}") else:print(f"Element {x} is not present in array")```(2)分析二分查找算法的时间复杂度:O(logn)4. 线性查找(1)实现线性查找算法的Python代码:```pythondef linear_search(arr, x):for i in range(len(arr)):if arr[i] == x:return ireturn -1# 测试线性查找算法arr = [1, 3, 5, 7, 9, 11, 13, 15]print("Original array:", arr)x = 7result = linear_search(arr, x)if result != -1:print(f"Element {x} is present at index {result}") else:print(f"Element {x} is not present in array")```(2)分析线性查找算法的时间复杂度:O(n)五、实验总结通过本次实验,我们学习了冒泡排序、快速排序、二分查找和线性查找等常用算法的设计与实现方法。
算法设计与分析实验报告
实验一找最大和最小元素与归并分类算法实现(用分治法)一、实验目的1.掌握能用分治法求解的问题应满足的条件;2.加深对分治法算法设计方法的理解与应用;3.锻炼学生对程序跟踪调试能力;4.通过本次实验的练习培养学生应用所学知识解决实际问题的能力。
二、实验内容1、找最大和最小元素输入n 个数,找出最大和最小数的问题。
2、归并分类将一个含有n个元素的集合,按非降的次序分类(排序)。
三、实验要求(1)用分治法求解问题(2)上机实现所设计的算法;四、实验过程设计(算法设计过程)1、找最大和最小元素采用分治法,将数组不断划分,进行递归。
递归结束的条件为划分到最后若为一个元素则max和min都是这个元素,若为两个取大值赋给max,小值给min。
否则就继续进行划分,找到两个子问题的最大和最小值后,比较这两个最大值和最小值找到解。
2、归并分类使用分治的策略来将一个待排序的数组分成两个子数组,然后递归地对子数组进行排序,最后将排序好的子数组合并成一个有序的数组。
在合并过程中,比较两个子数组的首个元素,将较小的元素放入辅助数组,并指针向后移动,直到将所有元素都合并到辅助数组中。
五、源代码1、找最大和最小元素#include<iostream>using namespace std;void MAXMIN(int num[], int left, int right, int& fmax, int& fmin); int main() {int n;int left=0, right;int fmax, fmin;int num[100];cout<<"请输入数字个数:";cin >> n;right = n-1;cout << "输入数字:";for (int i = 0; i < n; i++) {cin >> num[i];}MAXMIN(num, left, right, fmax, fmin);cout << "最大值为:";cout << fmax << endl;cout << "最小值为:";cout << fmin << endl;return 0;}void MAXMIN(int num[], int left, int right, int& fmax, int& fmin) { int mid;int lmax, lmin;int rmax, rmin;if (left == right) {fmax = num[left];fmin = num[left];}else if (right - left == 1) {if (num[right] > num[left]) {fmax = num[right];fmin = num[left];}else {fmax = num[left];fmin = num[right];}}else {mid = left + (right - left) / 2;MAXMIN(num, left, mid, lmax, lmin);MAXMIN(num, mid+1, right, rmax, rmin);fmax = max(lmax, rmax);fmin = min(lmin, rmin);}}2、归并分类#include<iostream>using namespace std;int num[100];int n;void merge(int left, int mid, int right) { int a[100];int i, j,k,m;i = left;j = mid+1;k = left;while (i <= mid && j <= right) {if (num[i] < num[j]) {a[k] = num[i++];}else {a[k] = num[j++];}k++;}if (i <= mid) {for (m = i; m <= mid; m++) {a[k++] = num[i++];}}else {for (m = j; m <= right; m++) {a[k++] = num[j++];}}for (i = left; i <= right; i++) { num[i] = a[i];}}void mergesort(int left, int right) { int mid;if (left < right) {mid = left + (right - left) / 2;mergesort(left, mid);mergesort(mid + 1, right);merge(left, mid, right);}}int main() {int left=0,right;int i;cout << "请输入数字个数:";cin >> n;right = n - 1;cout << "输入数字:";for (i = 0; i < n; i++) {cin >> num[i];}mergesort(left,right);for (i = 0; i < n; i++) {cout<< num[i];}return 0;}六、运行结果和算法复杂度分析1、找最大和最小元素图1-1 找最大和最小元素结果算法复杂度为O(logn)2、归并分类图1-2 归并分类结果算法复杂度为O(nlogn)实验二背包问题和最小生成树算法实现(用贪心法)一、实验目的1.掌握能用贪心法求解的问题应满足的条件;2.加深对贪心法算法设计方法的理解与应用;3.锻炼学生对程序跟踪调试能力;4.通过本次实验的练习培养学生应用所学知识解决实际问题的能力。
常见算法设计实验报告(3篇)
第1篇一、实验目的通过本次实验,掌握常见算法的设计原理、实现方法以及性能分析。
通过实际编程,加深对算法的理解,提高编程能力,并学会运用算法解决实际问题。
二、实验内容本次实验选择了以下常见算法进行设计和实现:1. 排序算法:冒泡排序、选择排序、插入排序、快速排序、归并排序、堆排序。
2. 查找算法:顺序查找、二分查找。
3. 图算法:深度优先搜索(DFS)、广度优先搜索(BFS)、最小生成树(Prim算法、Kruskal算法)。
4. 动态规划算法:0-1背包问题。
三、实验原理1. 排序算法:排序算法的主要目的是将一组数据按照一定的顺序排列。
常见的排序算法包括冒泡排序、选择排序、插入排序、快速排序、归并排序和堆排序等。
2. 查找算法:查找算法用于在数据集中查找特定的元素。
常见的查找算法包括顺序查找和二分查找。
3. 图算法:图算法用于处理图结构的数据。
常见的图算法包括深度优先搜索(DFS)、广度优先搜索(BFS)、最小生成树(Prim算法、Kruskal算法)等。
4. 动态规划算法:动态规划算法是一种将复杂问题分解为子问题,通过求解子问题来求解原问题的算法。
常见的动态规划算法包括0-1背包问题。
四、实验过程1. 排序算法(1)冒泡排序:通过比较相邻元素,如果顺序错误则交换,重复此过程,直到没有需要交换的元素。
(2)选择排序:每次从剩余元素中选取最小(或最大)的元素,放到已排序序列的末尾。
(3)插入排序:将未排序的数据插入到已排序序列中适当的位置。
(4)快速排序:选择一个枢纽元素,将序列分为两部分,使左侧不大于枢纽,右侧不小于枢纽,然后递归地对两部分进行快速排序。
(5)归并排序:将序列分为两半,分别对两半进行归并排序,然后将排序好的两半合并。
(6)堆排序:将序列构建成最大堆,然后重复取出堆顶元素,并调整剩余元素,使剩余元素仍满足最大堆的性质。
2. 查找算法(1)顺序查找:从序列的第一个元素开始,依次比较,直到找到目标元素或遍历完整个序列。
关于算法的实验报告(3篇)
第1篇一、实验目的1. 理解快速排序算法的基本原理和实现方法。
2. 掌握快速排序算法的时间复杂度和空间复杂度分析。
3. 通过实验验证快速排序算法的效率。
4. 提高编程能力和算法设计能力。
二、实验环境1. 操作系统:Windows 102. 编程语言:C++3. 开发工具:Visual Studio 2019三、实验原理快速排序算法是一种分而治之的排序算法,其基本思想是:选取一个基准元素,将待排序序列分为两个子序列,其中一个子序列的所有元素均小于基准元素,另一个子序列的所有元素均大于基准元素,然后递归地对这两个子序列进行快速排序。
快速排序算法的时间复杂度主要取决于基准元素的选取和划分过程。
在平均情况下,快速排序的时间复杂度为O(nlogn),但在最坏情况下,时间复杂度会退化到O(n^2)。
四、实验内容1. 快速排序算法的代码实现2. 快速排序算法的时间复杂度分析3. 快速排序算法的效率验证五、实验步骤1. 设计快速排序算法的C++代码实现,包括以下功能:- 选取基准元素- 划分序列- 递归排序2. 编写主函数,用于生成随机数组和测试快速排序算法。
3. 分析快速排序算法的时间复杂度。
4. 对不同规模的数据集进行测试,验证快速排序算法的效率。
六、实验结果与分析1. 快速排序算法的代码实现```cppinclude <iostream>include <vector>include <cstdlib>include <ctime>using namespace std;// 生成随机数组void generateRandomArray(vector<int>& arr, int n) {srand((unsigned)time(0));for (int i = 0; i < n; ++i) {arr.push_back(rand() % 1000);}}// 快速排序void quickSort(vector<int>& arr, int left, int right) { if (left >= right) {return;}int i = left;int j = right;int pivot = arr[(left + right) / 2]; // 选取中间元素作为基准 while (i <= j) {while (arr[i] < pivot) {i++;}while (arr[j] > pivot) {j--;}if (i <= j) {swap(arr[i], arr[j]);i++;j--;}}quickSort(arr, left, j);quickSort(arr, i, right);}int main() {int n = 10000; // 测试数据规模vector<int> arr;generateRandomArray(arr, n);clock_t start = clock();quickSort(arr, 0, n - 1);clock_t end = clock();cout << "排序用时:" << double(end - start) / CLOCKS_PER_SEC << "秒" << endl;return 0;}```2. 快速排序算法的时间复杂度分析根据实验结果,快速排序算法在平均情况下的时间复杂度为O(nlogn),在最坏情况下的时间复杂度为O(n^2)。
时域控制算法实验报告(3篇)
第1篇一、实验名称:时域控制算法实验二、实验目的1. 理解时域控制算法的基本原理和设计方法。
2. 掌握常见时域控制算法(如PID控制、模糊控制等)的原理和实现。
3. 通过实验验证不同控制算法的性能,分析其优缺点。
4. 学会使用MATLAB等工具进行时域控制算法的仿真和分析。
三、实验原理时域控制算法是一种直接在系统的时间域内进行控制的算法,主要包括PID控制、模糊控制、自适应控制等。
本实验主要针对PID控制和模糊控制进行研究和分析。
四、实验内容1. PID控制(1)原理:PID控制是一种线性控制算法,其控制律为:$$u(t) = K_p e(t) + K_i \int_{0}^{t} e(\tau) d\tau + K_d\frac{de(t)}{dt}$$其中,$u(t)$为控制输出,$e(t)$为误差,$K_p$、$K_i$、$K_d$分别为比例、积分和微分系数。
(2)实验步骤:a. 在MATLAB中搭建被控对象模型。
b. 设计PID控制器参数,包括比例系数、积分系数和微分系数。
c. 在MATLAB中实现PID控制器,并添加到被控对象模型中。
d. 仿真控制系统,观察控制效果。
2. 模糊控制(1)原理:模糊控制是一种基于模糊逻辑的控制算法,其控制律为:$$u = F(e, e')$$其中,$u$为控制输出,$e$和$e'$分别为误差和误差变化率,$F$为模糊推理规则。
(2)实验步骤:a. 在MATLAB中搭建被控对象模型。
b. 设计模糊控制器参数,包括隶属度函数、模糊推理规则和去模糊化方法。
c. 在MATLAB中实现模糊控制器,并添加到被控对象模型中。
d. 仿真控制系统,观察控制效果。
五、实验结果与分析1. PID控制(1)实验结果:通过调整PID控制器参数,可以使系统达到较好的控制效果。
(2)分析:PID控制算法简单易实现,适用于各种被控对象。
但其参数调整较为复杂,且对被控对象的模型要求较高。
实现排序算法的实验报告
一、实验目的1. 理解排序算法的基本原理和特点。
2. 掌握几种常用的排序算法(冒泡排序、选择排序、插入排序、快速排序、归并排序等)的实现方法。
3. 分析不同排序算法的时间复杂度和空间复杂度。
4. 通过实际编程实现排序算法,提高编程能力。
二、实验环境1. 操作系统:Windows 102. 编程语言:Python3.83. 开发工具:PyCharm三、实验内容1. 冒泡排序2. 选择排序3. 插入排序4. 快速排序5. 归并排序四、实验步骤1. 冒泡排序(1)编写冒泡排序函数:def bubble_sort(arr)。
(2)输入测试数据:arr = [5, 3, 8, 4, 1]。
(3)调用冒泡排序函数:bubble_sort(arr)。
(4)输出排序后的结果:print(arr)。
2. 选择排序(1)编写选择排序函数:def selection_sort(arr)。
(2)输入测试数据:arr = [5, 3, 8, 4, 1]。
(3)调用选择排序函数:selection_sort(arr)。
(4)输出排序后的结果:print(arr)。
3. 插入排序(1)编写插入排序函数:def insertion_sort(arr)。
(2)输入测试数据:arr = [5, 3, 8, 4, 1]。
(3)调用插入排序函数:insertion_sort(arr)。
(4)输出排序后的结果:print(arr)。
4. 快速排序(1)编写快速排序函数:def quick_sort(arr)。
(2)输入测试数据:arr = [5, 3, 8, 4, 1]。
(3)调用快速排序函数:quick_sort(arr)。
(4)输出排序后的结果:print(arr)。
5. 归并排序(1)编写归并排序函数:def merge_sort(arr)。
(2)输入测试数据:arr = [5, 3, 8, 4, 1]。
(3)调用归并排序函数:merge_sort(arr)。
调度算法实验报告总结(3篇)
第1篇一、实验目的本次实验旨在通过模拟操作系统中的进程调度过程,加深对进程调度算法的理解。
实验中,我们重点研究了先来先服务(FCFS)、时间片轮转(RR)和动态优先级调度(DP)三种常见的调度算法。
通过编写C语言程序模拟这些算法的运行,我们能够直观地观察到不同调度策略对进程调度效果的影响。
二、实验内容1. 数据结构设计在实验中,我们定义了进程控制块(PCB)作为进程的抽象表示。
PCB包含以下信息:- 进程编号- 到达时间- 运行时间- 优先级- 状态(就绪、运行、阻塞、完成)为了方便调度,我们使用链表来存储就绪队列,以便于按照不同的调度策略进行操作。
2. 算法实现与模拟(1)先来先服务(FCFS)调度算法FCFS算法按照进程到达就绪队列的顺序进行调度。
在模拟过程中,我们首先将所有进程按照到达时间排序,然后依次将它们从就绪队列中取出并分配CPU资源。
(2)时间片轮转(RR)调度算法RR算法将CPU时间划分为固定的时间片,并按照进程到达就绪队列的顺序轮流分配CPU资源。
当一个进程的时间片用完时,它将被放入就绪队列的末尾,等待下一次调度。
(3)动态优先级调度(DP)算法DP算法根据进程的优先级进行调度。
在模拟过程中,我们为每个进程分配一个优先级,并按照优先级从高到低的顺序进行调度。
3. 输出调度结果在模拟结束后,我们输出每个进程的调度结果,包括:- 进程编号- 到达时间- 运行时间- 等待时间- 周转时间同时,我们还计算了平均周转时间、平均等待时间和平均带权周转时间等性能指标。
三、实验结果与分析1. FCFS调度算法FCFS算法简单易实现,但可能会导致进程的响应时间较长,尤其是在存在大量短作业的情况下。
此外,FCFS算法可能导致某些进程长时间得不到调度,造成饥饿现象。
2. 时间片轮转(RR)调度算法RR算法能够有效地降低进程的响应时间,并提高系统的吞吐量。
然而,RR算法在进程数量较多时,可能会导致调度开销较大。
算法流程建模实验报告
一、实验背景随着信息技术的飞速发展,算法在各个领域中的应用越来越广泛。
为了更好地理解和掌握算法,我们进行了一次算法流程建模实验,通过实际操作来加深对算法流程的理解。
二、实验目的1. 理解并掌握算法流程建模的基本原理和方法;2. 提高算法设计能力和问题解决能力;3. 掌握使用流程图、伪代码等工具进行算法流程描述的方法。
三、实验内容1. 选择一个具体的算法问题,如:排序算法、查找算法、图算法等;2. 分析问题的特点,确定算法的输入、输出以及算法的基本步骤;3. 使用流程图、伪代码等工具描述算法的流程;4. 编写程序实现算法,并进行测试和优化。
四、实验步骤1. 选择算法问题本次实验选择排序算法中的快速排序作为研究对象。
2. 分析问题特点快速排序是一种分而治之的排序算法,其基本思想是:从待排序的序列中选取一个元素作为基准(pivot),然后将序列分为两个子序列,一个子序列中所有元素都比基准小,另一个子序列中所有元素都比基准大,然后递归地对这两个子序列进行快速排序。
3. 描述算法流程(1)流程图```开始|v输入序列A|v选择基准值pivot(第一个元素)|v将序列A分为两个子序列:小于pivot和大于pivot的元素|v递归对小于pivot的子序列进行快速排序|v递归对大于pivot的子序列进行快速排序|v合并两个子序列|v输出排序后的序列|v结束```(2)伪代码```function quickSort(A, low, high):if low < high:pivotIndex = partition(A, low, high) quickSort(A, low, pivotIndex - 1)quickSort(A, pivotIndex + 1, high) function partition(A, low, high):pivot = A[high]i = low - 1for j = low to high - 1:if A[j] < pivot:i = i + 1swap A[i] and A[j]swap A[i + 1] and A[high]return i + 1```4. 编写程序实现算法```pythondef quickSort(arr, low, high):if low < high:pivot_index = partition(arr, low, high)quickSort(arr, low, pivot_index - 1)quickSort(arr, pivot_index + 1, high)def partition(arr, low, high):pivot = arr[high]i = low - 1for j in range(low, high):if arr[j] < pivot:i += 1arr[i], arr[j] = arr[j], arr[i]arr[i + 1], arr[high] = arr[high], arr[i + 1]return i + 1# 测试程序if __name__ == "__main__":arr = [3, 6, 8, 10, 1, 2, 1]print("Original array:", arr)quickSort(arr, 0, len(arr) - 1)print("Sorted array:", arr)```5. 测试和优化(1)测试通过输入不同规模的测试数据,验证算法的正确性和效率。
算法设计及实验报告
算法设计及实验报告实验报告1 递归算法一、实验目的掌握递归算法的基本思想;掌握该算法的时间复杂度分析;二、实验环境电脑一台,Turbo C 运行环境三、实验内容、步骤和结果分析以下是四个递归算法的应用例子:用C语言实现1.阶乘:main(){int i,k;scanf("%d\n",&i);k= factorial(i);printf("%d\n",k);}int factorial(int n){ int s;if(n==0) s=1;else s=n*factorial(n-1); //执行n-1次return s;}阶乘的递归式很快,是个线性时间,因此在最坏情况下时间复杂度为O(n)。
2.Fibonacci 数列:main(){int i,m;scanf("%d\n",&i);m=fb(i);printf("%d",m);}int fb(int n){int s;if(n<=1)return 1;else s=fb(n-1)+fb(n-2);return s;}Fibonacci数列则是T(n)=T(n-1)+T(n-2)+O(1)的操作,也就是T(n)=2T(n)+O(1),由递归方程式可以知道他的时间复杂度T(n)是O(2n),该数列的规律就是不停的赋值,使用的内存空间也随着函数调用栈的增长而增长。
3.二分查找(分治法)#include<stdio.h>#define const 8main(){int a[]={0,1,2,3,4,5,6,7,8,9};int n=sizeof(a);int s;s=BinSearch(a,const,n);printf("suo cha de shu shi di %d ge",s);}BinSearch(int a[],int x,int n){int left,right,middle=0;left=0;right=n-1;whlie(left<=right){middle=(left+right)/2;if(x==a[middle]) return middle;if(x>a[middle]) left=middle+1;else right=middle-1;}return -1;}二分搜索算法利用了元素间的次序关系,采用分治策略,由上程序可知,每执行一次while循环,数组大小减少一半,因此在最坏情况下,while循环被执行了O(logn)次。
- 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)。
实现算法4.17,基于二次取中算法找出第k小元素。
算法设计思想:将n个元素分为n/r组,每组r个元素,第一次对每个组取中间元素,第二次对n/r个组的这些中间元素再取一次中间值,将这个数作为划分元素取其下标j,若j=k,则返回,若j<k,则在j+1后面的元素再二次取中,若j>k,则在j前面的元素再二次取中,如此往复,直至找到k=j返回元素的值即所找的数。
2.实验内容
算法设计思想:构造集合S(用数组实现)用来表示全部结点是否在S中(0表示不在集合S,1表示纳入集合S);把成本邻接矩阵COST[v,i]赋给DIST[i];首先把第一个结点V0放入S中,即S[0]=1,再在所有S[w]=0的结点w中找出距离最短的结点u,把u并入集合S,即S[u]=1;把所有S[w]=0的结点的距离更新一遍,即取DIST[w]和(DIST[u]+COST[u,w])的最小值;逐个找到结点u,就是最终的最短路径。把每次找到的结点存到数组a[]中,再打印出来,即该路径上的所有结点。
for(; a[p]>=v; p--);
if(i<p)
{
t=a[i];
a[i]=a[p];
a[p]=t;
}
else break;
}
a[m]=a[p];//将a[m]换到下标为p的位置
a[p]=v;
return p;
}
void INTERCHANGE(int *x,int *y)//交换x和y的值
{
int t=*x;
课程实验报告
课程名称:计算机算法基础
院系:计算机科学与技术
专业班级:
学号:ห้องสมุดไป่ตู้
姓名:
指导教师:
2016年12月28日
实验一.快速分类算法
1.实验目的
熟练掌握快速分类算法,编程实现QUICKSORT的迭代模型。
2.实验内容
编程实现算法4.14:QUICKSORT的迭代模型(P.90),编制以下过程:PARTITION、QUICKSORT2。用数组STACK[]代替栈来实现每次对小文件分类。
5.程序源代码
#include <stdio.h>
int a[10] = {65,70,75,80,85,60,55,50,45,1000};
void INTERCHANGE(int x,int y)//change two number
{
int temp;
temp = a[x];
a[x] = a[y];
integer u,v,n,num,I,w
for i←1 to n do //将集合S初始化为空//
S(i)←0;DIST(i)←COST(v,i)
repeat
S(v)←1;DIST(v)←0 //结点v计入S//
for num←2 to n-1 do //确定由结点v出发的n-1条路//
选取结点u,它使得DIST(u)= min{DIST(w)}
:else: k←k-(j-m+1);m←j+1
endcase
repeat
end SEL
3.实验步骤和结果
随机找来10个不同的数放置在数组里,执行程序后结果如下图:
如图每组5个数,分为2组,找第3小的数,结果为16,正确。
R=10,找第2小的数:
可见结果都是正确的。
4.实验总结和体会
这个实验较第一个实验稍微复杂一点,通过这个实验,我对选择问题有了更深刻地认识,通过二次取中这种方法来找第k小的数很巧妙,算法实现得也很特殊。总而言之,这次实验收获颇丰。
break ;
}
a[i+1]=item;
}
}
int SEL(int a[],int m,int p,int k)
{
int n,i,j;
int nr;
double nrnr;
if(p-m+1<=r)
{
INSERTIONSORT(a,m,p);
return (m+k-1);
}
n=p-m+1;
for(i=1; i<=n/r; i++)
a[p] = v;
return p;
}
int QUICKSORT2(int p,int q)//迭代快速分类
{
int j;
int stack[6];
int top = 0;
while(1)
{
while(p<q){
j = q+1;
j = PARTITION(p,j);
if(j-p<q-j){//对较小的子文件分类
INTERCHANGE(a+m,a+j);
j=PARTITION(a,m,p);
if(j-m+1==k) return(j);
else if(j-m+1>k) p=j-1;
else
{
k=k-(j-m+1);
m=j+1;
}
return SEL(a,m,p,k);
}
int main()
{
int j,i;
then STACK(top+1)←j+1; STACK(top+2)←q; q←j-1
else STACK(top+1)←p; STACK(top+2)←j-1; p←j+1
endif
top←top+2 //调整栈顶指针
repeat
if top=0 then return endif //如果栈为空,算法结束
算法描述:
procedure SHORTEST-PATHS(v,COST,DIST,n)
//G是一个n结点有向图,它由其成本邻接矩阵COST(n,n)表示DIST(j)被置以结点v到结点j的最短路径长度,这里1≤j≤n。DIST(v)被置成零//
boolean S(1:n);real COST(1:n,1:n),DIST(1:n)
repeat
j←SEL(A,m,m+[n/r]-1,[n/r]/2 )//mm//
call INTERCHANGE (A(m),A(j)) //产生划分元素,将之调整到第一个元素//
j←p+1
call PARTITION(m,j)
case
:j-m+1=k: return(j)
:j-m+1>k: p←j-1
{
INSERTIONSORT(a,m+(i-1)*r,m+i*r-1);
INTERCHANGE(a+m+i-1,a+m+(i-1)*r+r/2-1);
}
nrnr=(double)(n/r);
nrnr=(nrnr+1.0000)/2.0000;
nr=ceil(nrnr);
j=SEL(a,m,m+n/r-1,nr);
}
printf("\n");
QUICKSORT2(p,q);
printf("after quicksort:\n");
for(k = 0;k<=9;k++){
printf("%d\t",a[k]);
}
return 0;
}
实验二.基于二次取中的选择算法
1.实验目的
进一步熟练掌握二次取中的算法思想和实现过程。编程实现算法4.17.
算法描述:
Procedure QuickSort2(p,q)
integer STACK(1:max),top
global A(1:n);local integer j
top←0
loop
while p<q do
j←q+1
call PARTITION(p,j);
if j–p < q–j //先对较小的子文件分类,并将规模较大的子文件入栈
以课本例5.11给出实验的测试结果。
运行后的结果如下图:
结果分析:每次向S集合内添加一个结点,即V0V1V3V2V4V5
可知距离和路径结点都正确。
4.实验总结和体会
这个实验使我对单源点最短路径的求法更加的熟练深刻,遇到的主要问题是每次进入寻找结点u的循环时,u都应该被赋予不同的使(s[w] == 0)的w值,一开始没想好怎么实现,其实可以在for循环外赋u=-1,每次进循环,若u=-1,则赋u初值,这是很巧妙的实现方法。其余部分完成起来还比较轻松,总体来说,这次实验收获很大。
5.程序源代码
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
int r;
int PARTITION(int a[],int m,int p)//用a[m]划分集合
{
int v=a[m];
int i=m;
int t=0;
while(1)
{
for(i++; a[i]<v&&i<=p; i++);
int k = 10;
int a[10]={15,2,24,33,16,45,88,97,110,19};
printf("before sort:\n");
for(i=0;i<10;i++)
printf("%d\t",a[i]);
printf("输入r:");
scanf("%d",&r);