算法考试复习要点
- 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)。
内部资料,转载请注明出处,谢谢合作。
算法考试复习提纲
一、算法的基础知识
1、算法的基本概念
算法是由若干条指令组成的有穷序列,具有以下5个特征:
●确定性:每条指令都是明确的、无二义的
●能行性:每条指令都必须是能够执行的
●输入:允许有0个或多个输入量,取自特定的集合
●输出:产生一个或多个输出,它(们)与输入量之间存在着某种特定的关系
●有穷性:每一条指令执行的次数都是有穷的
2、衡量算法好坏的标准
最初,用所需要的计算时间来衡量一个算法的好坏,但不同的机器相互之间无法比较,需要用独立于具体计算机的客观衡量标准,包括:
●问题的规模
●基本运算
●算法的计算量函数
3、渐近符号的概念和内涵
●符号O:对于存在大于0的常数c和非负的整数n0,以及足够大的n,对于所有的n≥
n0来说,有t(n)≤cg(n),我们说函数t(n)包含在O(g(n))中,记作t(n)∈O(g(n))。(上界)●符号Ω:对于存在大于0的常数c和非负的整数n0,以及足够大的n,对于所有的n≥
n0来说,有t(n)≥cg(n),我们说函数t(n)包含在Ω(g(n))中,记作t(n)∈Ω(g(n))。(下界)●符号Θ:对于存在大于0的常数c1、c2和非负的整数n0,以及足够大的n,对于所有
的n≥n0来说,有c2g(n)≤t(n)≤1g(n),我们说函数t(n)包含在Θ(g(n))中,记作t(n)∈Θ(g(n))。(上下界,即确界)
换言之,一个算法的渐进时间由算法的多项式时间中次数最高的那一项决定。
二、分治法
1、分治法的基本概念
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。
2、分治法适合求解问题的特点
●问题的规模缩小到一定程度就可以容易地解决
●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
●基于子问题的解可以合并为原问题的解
●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、分治法求解的一般过程。
●分解(Divide):将原问题分解为子问题
●解决(Conquer):求解子问题
●合并(Combine):组合子问题的解得到原问题的解
4、针对以下递归式,使用主方法给出渐近界
(1)T(n)=9T(n/3)+n
解:a=9,b=3,f(n)=n。n log b a=n2,取0<ε<1,则有,f(n)=O(n2-ε)=O (n log b a-ε),满足主定理情况一,所以,T(n)=Θ(log b a)= Θ(n2)(2)T(n)=9T(n/3)+n^2
解:a=9,b=3,f(n)= n2。n log b a=n2,则有,f(n)=O(n2)=O(n log b a),满足主定理情况二,所以,T(n)=Θ(log b a*lbn)= Θ(n2*lbn)。
(3)T(n)=9T(n/3)+n^3
解:a=9,b=3,f(n)=n3。n log b a=n2,取0<ε<1,则有,f(n)=Ω(n2+ε)= Ω(n log b a+ε),满足主定理情况三,同时,af(n/b)=9*f(n/3)=9*(n/3)3= 1/3*n3=1/3*f(n),取1/3<=c,即满足af(n/b)<=cf(n),所以T(n)=Θ(f(n))= Θ(n3)
5、快速排序
快速排序算法,对数组A[p..r]进行排序
分解:数组A[p..r]被划分为子数组A[p..q-1]和A[q+1..r],A[p..q-1]中的每个元素都小于等于A[q],A[q+1..r]中的每个元素都大于等于A[q],q在划分时确定
解决:通过递归调用快速排序算法,对子数组A[q+1..r]和A[p..q-1]进行排序
合并:由于子数组的排序为原地排序,解的合并不需要操作,整个数组已经排好序QUICKSORT(A,p,r)
if p then q=PARTITIION(A,p,r) QUICKSORT(A,p,q-1) QUICKSORT(A,q+1,r) QUICKSORT(A,1,length[A]) PARTITION(A, p, r) x←A[r] i←p-1 for j ← p to r-1 do if A[j] ≤ x then i ← i+ 1 exchange A[i] ↔A[j] exchange A[i+1] ↔A[r] return i+1 最坏情况时间复杂度Θ(n2) 平均情况时间复杂度Θ(nlgn) 例:一趟划分过程中的数组的演化 取key=49,初始i=0,j=6; 第一次:j--=5;27,38,65,97,76,13,49; 第二次:i++=1;27,38,49,97,76,13,65; 第三次:j--=4;27,38,13,97,76,49,65; 第四次:i++=2;27,38,13,49,76,97,65; 此时,j--=3=i++;OVER。故一趟快速排序后的序列为:27,38,13,49,76,97,65 三、动态规划 1、动态规划方法适合求解问题的特点 若一个问题可以分解为若干个高度重复的子问题,且问题也具有最优子结构性质,就可以用动态规划法求解 ●具体方式:可以递推的方式逐层计算最优值并记录必要的信息,最后根据记录的信息构 造最优解 ●与分治法类似,也是将问题分解为规模逐渐减小的同类型的子问题 ●与分治法不同,分解所得的子问题很多都是重复的 ●动态规划方法总体思想是:保存已解决的子问题的答案,在需要时使用,从而避免大量 重复计算 2、矩阵链乘问题 1)找出最优解的性质,刻画其特征结构 对于矩阵连乘问题,最优解就是找到一种计算顺序,使得计算次数最少。令m[i][j]表示第i 个矩阵至第j个矩阵这段的最优解。将矩阵连乘积简记为A[i:j] ,这里i<=j.假设这个最优解在第k处断开,i<=k 递归式: 用动态规划算法解此问题,可依据其递归式以自底向上的方式进行计算。在计算过程中,保存已解决的子问题答案。每个子问题只计算一次,而在后面需要时只要简单查一下,从而避免大量的重复计算,最终得到多项式时间的算法。 3)用动态规划算法解此问题 可依据其递归式以自底向上的方式进行计算。在计算过程中,保存已解决的子问题答案。每个子问题只计算一次,而在后面需要时只要简单查一下,从而避免大量的重复计算,最终得到多项式时间的算法。 其他例子: 如LCS问题: