算法设计与分析(王多强)算法复习提纲.docx
算法设计与分析复习题目及答案教学提纲
算法设计与分析复习题目及答案分治法1、二分搜索算法是利用（分治策略）实现的算法。
9. 实现循环赛日程表利用的算法是（分治策略）27、Strassen矩阵乘法是利用（分治策略）实现的算法。
34．实现合并排序利用的算法是（分治策略）。
实现大整数的乘法是利用的算法（分治策略）。
17．实现棋盘覆盖算法利用的算法是（分治法）。
29、使用分治法求解不需要满足的条件是（子问题必须是一样的）。
不可以使用分治法求解的是（0/1背包问题）。
动态规划下列不是动态规划算法基本步骤的是（构造最优解）下列是动态规划算法基本要素的是（子问题重叠性质）。
下列算法中通常以自底向上的方式求解最优解的是（动态规划法）备忘录方法是那种算法的变形。
（动态规划法）最长公共子序列算法利用的算法是（动态规划法）。
矩阵连乘问题的算法可由（动态规划算法B）设计实现。
实现最大子段和利用的算法是（动态规划法）。
贪心算法能解决的问题：单源最短路径问题，最小花费生成树问题，背包问题，活动安排问题，不能解决的问题：N皇后问题，0/1背包问题是贪心算法的基本要素的是（贪心选择性质和最优子结构性质）。
回溯法回溯法解旅行售货员问题时的解空间树是（排列树）。
剪枝函数是回溯法中为避免无效搜索采取的策略回溯法的效率不依赖于下列哪些因素（确定解空间的时间）分支限界法最大效益优先是（分支界限法）的一搜索方式。
分支限界法解最大团问题时，活结点表的组织形式是（最大堆）。
分支限界法解旅行售货员问题时，活结点表的组织形式是（最小堆）优先队列式分支限界法选取扩展结点的原则是（结点的优先级）在对问题的解空间树进行搜索的方法中,一个活结点最多有一次机会成为活结点的是( 分支限界法 ).从活结点表中选择下一个扩展结点的不同方式将导致不同的分支限界法,以下除( 栈式分支限界法 )之外都是最常见的方式.（1）队列式(FIFO)分支限界法：按照队列先进先出（FIFO）原则选取下一个节点为扩展节点。
《算法分析与设计》期末考试复习题纲(完整版)要点
《算法分析与设计》期末复习题一、选择题1.算法必须具备输入、输出和（ D ）等4个特性.A．可行性和安全性 B．确定性和易读性C．有穷性和安全性 D．有穷性和确定性2.算法分析中,记号O表示( B )，记号Ω表示（ A )A。
渐进下界 B.渐进上界C.非紧上界 D。
紧渐进界3.假设某算法在输入规模为n时的计算时间为T(n)=3*2^n。
在某台计算机上实现并完成概算法的时间为t秒。
现有另一台计算机，其运行速度为第一台的64倍,那么在这台新机器上用同一算法在t秒内能解输入规模为多大的问题?（ B ）解题方法:3*2^n*64=3＊2^xA．n+8 B．n+6C．n+7 D．n+54.设问题规模为N时，某递归算法的时间复杂度记为T（N),已知T（1)=1,T(N）=2T(N/2）+N/2，用O表示的时间复杂度为（ C ）。
A．O（logN） B．O（N）C．O(NlogN） D．O（N²logN)5.直接或间接调用自身的算法称为（ B ）。
A．贪心算法 B．递归算法C．迭代算法 D．回溯法6.Fibonacci数列中，第4个和第11个数分别是（ D ）。
A．5，89 B．3，89C．5，144 D．3，1447.在有8个顶点的凸多边形的三角剖分中，恰有（ B )。
A．6条弦和7个三角形 B．5条弦和6个三角形C．6条弦和6个三角形 D．5条弦和5个三角形8.一个问题可用动态规划算法或贪心算法求解的关键特征是问题的（ B ）。
A．重叠子问题 B．最优子结构性质C．贪心选择性质 D．定义最优解9.下列哪个问题不用贪心法求解（ C ）.A．哈夫曼编码问题 B．单源最短路径问题C．最大团问题 D．最小生成树问题10.下列算法中通常以自底向上的方式求解最优解的是（ B ）。
A．备忘录法 B．动态规划法C．贪心法 D．回溯法11.下列算法中不能解决0/1背包问题的是( A ）。
A．贪心法 B．动态规划C．回溯法 D．分支限界法12.下列哪个问题可以用贪心算法求解（ D ）。
算法设计与分析复习要点
·算法是指解决问题的方法和过程。
算法是由若干条指令组成的有穷序列。
·算法特性：输入、输出、确定性、有限性（执行时间和执行次数）（有五个空再加上可行性）。
·程序是算法用某种程序设计语言的具体实现，程序可不满足有限性的特性。
·程序调试只能证明程序有错，不能证明程序无错误!·算法复杂性= 算法所需要的计算机资源。
·算法的复杂性取决于：(1)求解问题的规模N；(2)具体的输入数据I；(3)算法本身的设计A。
·可操作性最好且最有实际价值的是最坏情况下的时间复杂性。
第二章递归与分治策略二分搜索技术：O（logn）大整数乘法：O（n log3）=O（n1.59）Strassen矩阵乘法：O（n log7）=O(n2.81) 棋盘覆盖：O（4k）合并排序和快排：O（nlogn）线性时间选择：O(n)最接近点对问题：O(nlogn) 循环赛日程表：O(n2)·分治法思想：将一个难以解决的问题分割成一些规模较小的相同问题，以便逐个击破，分而治之。
边界条件与递归方程是递归函数的两大要素。
递归优点：结构清晰，可读性强，而且容易用数学归纳法来证明算法的正确性，因此它为设计算法、调试程序带来很大方便。
缺点：递归算法的运行效率较低，无论是耗费的计算时间还是占用的存储空间都比非递归算法要多。
·分治法时间复杂度分析：T(n)<= O(1) n=n0aT(n/b)+f(n) n>n0若递归方式为减法：T(n) = O(a n)若递归方式为除法：f(n)为合并为原问题的开销：f(n)为常数c时：T(n)=O(n p)f(n)为线性函数：O(n) a<ba是子问题个数，b是递减的步长T(n)= O(nlog b n) a=bO(n p) a>b,p=log b af(n)为幂函数n x时：O(n x) a<f(b)T(n)= O(n p log b n) a=f(b)O(n p) a>f(b),p=log b a·证明算法的正确性：部分正确性、终止性。
《算法分析与设计》期末测验复习题纲(完整版)
《算法分析与设计》期末测验复习题纲(完整版)————————————————————————————————作者：————————————————————————————————日期：《算法分析与设计》期末复习题一、选择题1.算法必须具备输入、输出和（ D ）等4个特性。
A．可行性和安全性 B．确定性和易读性C．有穷性和安全性 D．有穷性和确定性2.算法分析中，记号O表示（ B ），记号Ω表示（ A ）A.渐进下界B.渐进上界C.非紧上界D.紧渐进界3.假设某算法在输入规模为n时的计算时间为T(n)=3*2^n。
在某台计算机上实现并完成概算法的时间为t秒。
现有另一台计算机，其运行速度为第一台的64倍，那么在这台新机器上用同一算法在t秒内能解输入规模为多大的问题？（ B ）解题方法：3*2^n*64=3*2^xA．n+8 B．n+6C．n+7 D．n+54.设问题规模为N时，某递归算法的时间复杂度记为T(N)，已知T(1)=1，T(N)=2T(N/2)+N/2，用O表示的时间复杂度为（ C ）。
A．O(logN) B．O(N)C．O(NlogN) D．O(N²logN)5.直接或间接调用自身的算法称为（ B ）。
A．贪心算法 B．递归算法C．迭代算法 D．回溯法6.Fibonacci数列中，第4个和第11个数分别是（ D ）。
A．5，89 B．3，89C．5，144 D．3，1447.在有8个顶点的凸多边形的三角剖分中，恰有（ B ）。
A．6条弦和7个三角形 B．5条弦和6个三角形C．6条弦和6个三角形 D．5条弦和5个三角形8.一个问题可用动态规划算法或贪心算法求解的关键特征是问题的（ B ）。
A．重叠子问题 B．最优子结构性质C．贪心选择性质 D．定义最优解9.下列哪个问题不用贪心法求解（ C ）。
A．哈夫曼编码问题 B．单源最短路径问题C．最大团问题 D．最小生成树问题10.下列算法中通常以自底向上的方式求解最优解的是（ B ）。
《算法设计与分析》复习提纲
《算法设计与分析》复习提纲一、基本概念1.算法设计与分析的基本概念和目标2.时间复杂度和空间复杂度的定义及其分析方法3.渐进符号的含义和应用4.最坏情况、平均情况和最好情况的分析方法二、排序算法1.冒泡排序、插入排序和选择排序的原理、特点和时间复杂度2.归并排序和快速排序的原理、特点和时间复杂度3.堆排序和基数排序的原理、特点和时间复杂度4.对各种排序算法的时间复杂度进行比较和分析5.排序算法的稳定性及其应用三、查找算法1.顺序查找和二分查找的原理、特点和时间复杂度2.哈希查找的原理、特点和时间复杂度3.查找算法的性能比较和选择4.查找算法在实际问题中的应用四、图算法1.图的基本概念和表示方法2.图的遍历算法：深度优先和广度优先的原理、特点和应用3. 最短路径算法：Dijkstra算法和Floyd算法的原理、特点和时间复杂度4. 最小生成树算法：Prim算法和Kruskal算法的原理、特点和时间复杂度5.图的应用：拓扑排序、关键路径和网络流问题五、动态规划算法1.动态规划算法的基本思想和特点2.最优子结构、重叠子问题和状态转移方程的定义和应用3.0-1背包问题和最长公共子序列问题的动态规划算法4.动态规划算法的时间复杂度分析和优化方法5.动态规划算法在实际问题中的应用六、贪心算法1.贪心算法的基本思想和特点2.哈夫曼编码和活动选择问题的贪心算法3.贪心算法的正确性证明和近似算法的设计4.贪心算法在实际问题中的应用七、分治算法1.分治算法的基本思想和特点2.快速排序和归并排序的分治算法3.分治算法在实际问题中的应用八、回溯算法1.回溯算法的基本思想和特点2.八皇后问题和0-1背包问题的回溯算法3.回溯算法的剪枝策略和性能优化4.回溯算法在实际问题中的应用九、随机化算法1.随机化算法的基本思想和特点2.蒙特卡罗算法和拉斯维加斯算法的原理和特点3.随机化算法在实际问题中的应用十、算法设计技巧1.分解复杂问题、找出递归公式和设计递归算法2.利用递归和迭代进行算法设计和分析3.利用动态规划、贪心算法和分治算法进行算法设计和分析4.利用回溯算法和随机化算法进行算法设计和分析5.开发和应用合适的数据结构进行算法设计和分析以上是《算法设计与分析》复习提纲的内容，涵盖了该课程的基本概念、排序算法、查找算法、图算法、动态规划算法、贪心算法、分治算法、回溯算法、随机化算法以及算法设计技巧等内容。
算法分析期末复习
《算法设计与分析》复习考试题型填空10x1’选择15x2’简答2x5’大题5x10’1.5个重要特性：输入、输出、有穷性、确定性、可行性2.5个特性：正确性、健壮性、可理解性、抽象分级、高效性3.描述方法：自然语言、流程图、程序设计语言、伪代码4.问题类型：查找问题、排序问题、图问题、组合问题、几何问题5.输入规模：输入量的多少6.算法就是一组有穷的规则，它们规定了解决某一特定问题的一系列运算7.算法是由若干条指令组成的有序序列，解决问题的一种方法或一个过程8.基本语句：执行次数与整个算法的执行次数成正比的语句，它对算法运行时间的贡献最大，是算法最重要的操作9.算法的时间复杂性分析是一种事前分析估算方法，它是对算法所消耗资源的一种渐进分析方法。
10.算法的空间复杂性是指在算法的执行过程中需要的辅助空间数量，也就是除算法本身和输入输出数据所占用的空间外，算法临时开辟的存储空间，这个辅助空间数量也应该是输入规模的函数，通常记作：S(n)=O(f(n))。
其中n为输入规模，分析方法与算法的时间复杂性类似。
11.渐进分析是指忽略具体机器、编程语言和编译器的影响，只关注在输入规模增大时算法运行时间的增长趋势。
12.大O符号：当输入规模充分大时，算法中基本语句的执行次数在渐近意义下的阶，上界13.大Ω符号：问题的计算复杂性下界是求解这个问题所需的最少工作量，求解该问题的任何算法的时间复杂性都不会低于这个下界14.计算复杂性下界：对于任何待求解的问题，如果能找到一个尽可能大的函数g(n)(n为输入规模)，使得求解该问题的所有算法都可以在Ω(g(n))的时间内完成，则函数g(n)即是下界15.下界紧密：如果已经知道一个和下界的效率类型相同的算法，则该下界紧密16.扩展递归：一种常用的求解递推关系式的基本技术，扩展就是将递推关系式中等式右边的项根据递推式进行替换，扩展后的项被再次扩展，依此下去，会得到一个求和表达式，然后就可以借助于求和技术了17.最优算法：一般情况下，如果能够证明某问题的时间下界是Ω(g(n))，那么对以时间O(g(n))来求解该问题的任何算法，都认为是求解该问题的最优算法18.平凡下界：对问题的输入中必须要处理的元素进行计数，同时对必须要输出的元素进行计数。
算法设计与分析复习要点
算法设计与分析的复习要点第一章：算法问题求解基础算法是对特定问题求解步骤的一种描述，它是指令的有限序列。
一．算法的五个特征：1．输入：算法有零个或多个输入量；2．输出：算法至少产生一个输出量；3．确定性：算法的每一条指令都有确切的定义，没有二义性；4．可行性：算法的每一条指令必须足够基本，它们可以通过已经实现的基本运算执行有限次来实现；5．有穷性：算法必须总能在执行有限步之后终止。
二．什么是算法？程序与算法的区别1．笼统地说，算法是求解一类问题的任意一种特殊的方法；较严格地说，算法是对特定问题求解步骤的一种描述，它是指令的有限序列。
2．程序是算法用某种程序设计语言的具体实现；算法必须可终止，程序却没有这一限制；即：程序可以不满足算法的第5个性质“有穷性”。
三．一个问题求解过程包括：理解问题、设计方案、实现方案、回顾复查。
四．系统生命周期或软件生命周期分为：开发期：分析、设计、编码、测试；运行期：维护。
五．算法描述方法：自然语言、流程图、伪代码、程序设计语言等。
六．算法分析：是指对算法的执行时间和所需空间的估算。
算法的效率通过算法分析来确定。
七．递归定义：是一种直接或间接引用自身的定义方法。
一个合法的递归定义包括两部分：基础情况和递归部分；基础情况：以直接形式明确列举新事物的若干简单对象；递归部分：有简单或较简单对象定义新对象的条件和方法八．常见的程序正确性证明方法：1.归纳法：由基础情况和归纳步骤组成。
归纳法是证明递归算法正确性和进行算法分析的强有力工具；2.反证法。
第二章：算法分析基础一．会计算程序步的执行次数（如书中例题程序2-1,2-2,2-3的总程序步数的计算）。
二．会证明5个渐近记法。
（如书中P22-25例2-1至例2-9）三．会计算递推式的显式。
（迭代法、代换法，主方法）四．会用主定理求T(n)=aT(n/b)+f(n)。
（主定理见P29，如例2-15至例2-18）五．一个好的算法应具备的4个重要特征：1.正确性：算法的执行结果应当满足预先规定的功能和性能要求；2.简明性：算法应思路清晰、层次分明、容易理解、利于编码和调试；3.效率：算法应有效使用存储空间，并具有高的时间效率；4.最优性：算法的执行时间已达到求解该类问题所需时间的下界。
算法设计与分析复习要点
算法设计与分析复习要点一、单项选择题（本大题共15小题，每小题2分，共30分）二、填空题（本大题共15空，每空1分，共15分）三、分析题（本大题共5小题，每小题5分，共25分）四、综合题（本大题共4小题，1、2题每题6分，3题8分，4题10分，共30分）第2章，导引与基本数据结构：1、什么是算法, 算法的5个特性；对一个算法作出全面分析的两个阶段。
P245个特性：确定性、能行性、输入、输出、有穷性两个阶段：事前分析、事后测试2、O(g(n))，Ω(g(n))， (g(n))的含义。
3、多项式时间算法：可用多项式（函数）对其计算时间限界的算法。
4、常见的多项式限界函数所表示算法时间复杂度的排序：Ο(1) <Ο(logn) < Ο(n) < Ο(nlogn) < Ο(n2) < Ο(n3)5、指数时间算法：计算时间用指数函数限界的算法6、常见的指数时间限界函数：Ο(2n) < Ο(n！) < Ο(n n)11()2(1)11()21nn T n T n n T n =⎧=⎨-+>⎩⇒=-7、什么是算法的复杂性：是该算法所需要的计算机资源的多少，它包括时间和空间资源。
8、复习栈和队列、树、图的基本知识，了解二元树、完全二元树，满二元树、二分检索树、了解图的邻接矩阵和邻接表存储方法。
9、能写出图的深度优先序列和广度优先序列。
10、会求如下一些简单的函数的上界表达式： 3n 2+10n =O(n 2)第3、4章 递归与分治算法1、理解递归算法的优缺点，深刻理解递归算法的执行过程。
如能写出解决n 阶汉诺塔问题的解，并能分析写出3阶汉诺塔问题的递归执行轨迹。
2、递归算法的优点：结构清晰，可读性强，容易用数学归纳法来证明算法的正确性，因此它为设计算法、调试程序带来很大方便。
3、递归算法的缺点：运行效率较低，耗费的计算时间和占用的存储空间都多。
为了达到此目的，根据具体程序的特点对递归调用工作栈进行简化，尽量减少栈操作，压缩栈存储空间以达到节省计算时间和存储空间的目的。
算法设计与分析复习资料
1.什么是算法？算法是一系列解决问题的指令，对符合规范的输入，能在有限时间内获得预期的输出。
2.算法的特点？有穷性-有限步内完成；确定性-每一步是确定的，不能有二义性；可行性-每一步有意义，每一步能求解；输入-须检查输入值值域合法性；输出-输出问题的解，无输出的算法没有意义。
补：排序算法的特点：稳定性，在位性。
稳定性：如果一个排序算法保留了等值元素在输入中的相对顺序，他被称为是稳定的。
换句话说，如果一个输入列表包含两个相等的元素，他们的位置分别是i和j。
i<j。
而在排好序的列表中，他们的位置分别是i`和j`，那么i`<j`肯定成立。
在位性：如果一个算法不需要额外的存储空间(除了个别存储单元外),我们称它是在位的。
3.求最大公约数的伪码？Euclid(m,n)//计算m和n最大公约数的欧式算法//输入：两个不全为0的非负整数m>=n//输出：m和n的最大公约数while n≠0 do{r←m mod nm←nn←r}return m4.问题求解过程理解问题；了解设备性能选择计算方法，精确或近似接法高效的数据结构算法的设计技术；设计算法；正确性证明；分析算法；编程实现算法。
1-2-3-4-5-6.4-3,4-2,5-3,5-2（理解问题；决定：计算方法：精确或近似方法：数据结构：算法设计技术；设计算法；正确性证明；分析算法；根据算法写代码.）5.算法分析主要步骤（框架）算法的运行效率也称为计算复杂性(计算复杂度);计算复杂性：时间复杂性（时间效率）空间复杂性（空间效率）时间效率-算法运行所耗费的时间。
空间效率-算法运行所需的存储空间。
输入规模事实：几乎所有算法对更大规模的输入都要耗费更长的时间！即算法耗时随输入规模增大而增大；增长函数定义为输入规模的函数，用它来研究算法；输入规模的选择它的选择比较直接容易。
6.n元列表查找最大值-数组实现列表MaxElement(A[0..n-1])maxval←0for i←1 to n-1 doif A[i]>maxvalmaxval←A[i]return maxval7.检查数组元素是否唯一UniqueElement(A[0..n-1])for i←0 to n-2 dofor j←i+1 to n-1 doif A[i]=A[j] return falsereturn true8.计算方阵A B的矩阵乘积MatrixMultiplication(A[0..n-1][0..n-1],B[0..n-1][0..n-1])for i←0 to n-1 do//行循环for j←0 to n-1 do//列循环M[i][j]←0.0 //积矩阵初始化for k←0 to n-1 do//用变量k表示变化的脚标M[i][j]←M[i][j]+A[i][k]*B[k][j]return M9.计算十进制正整数n的二进制位数b算法的时间复杂性分析Binary(n)count←1while n>1 docount++n←「n/2「return count10.求m,n最大公约数gcd(int m,int n)//求m,n最大公约数的欧式递归版本//输入：两个正整数m≥n//输出：最大公约数{if(n=0)//递归出口，结束递归write(M);//输出结果elsegcd(n,m mod n);}11.选择排序(每次从数组中选取最小的按顺序插入) SelectionSort(A[1..n]){for i←1 to n-1 domin←ifor j←i+1 to n doif(A[j]<A[min])min←jA[i]↔A[min]}12.冒泡排序(相邻的比较，a<b则交换，最后一位则为最大) BubbleSort(A[1..n]{ for i←1 to n-1 dofor j←1 to n-i doif(A[j]>A[j+1])A[j]↔A[j+1]}13.顺序查找SequentialSearch(A[n..n],k){ A[n]←Ki←0while(A[i]≠k) i←i+1if(i<n)return(i)else return(-1)}14.串匹配BruteForceStringMatch(T[0..n-1],P[0..m-1]){for i←0 to n-m do{ j←0while j<m and P[j]=T[i+j] doj←j+1if i=m return i}return -1}15.最近对BruteForceCloserPoints(Object P[1..n]){ dmin←∞for i←1 to n-1 dofor j←1 to n dod←sqrt((Xi-Xj)2+(Yi-Yj)2)if(d<dmin){dmin←d,index1←i,index2←j}return(index1,index2)}16.分治算法DivideandConquer(s){if(|s|≤t)then adhocery(s)else{ divide s into smaller subset s1,s2,skfor i←1 to k do{Yi←DivideandConquer(Si)}return merge(Y1,Y2,Yk)}}17.分治法查找最大元素DivideandConquerSearchMax(S){ t←2if(|S|≤t)then return max(S1,S2)else{divide S into two smaller subset S1 and S2,|S1|=|S2|}=|S|/2 max1=DivideandConquerSearchMax(S1)max2=DivideandConquerSearchMax(S2)return max(max1,max2)}}18.合并排序之分治算法MergeSort(A[0..n-1]){ if(n>1){copy A[0..」n/2」-1]to B[0..」n/2」-1]copy A[」n/2」..n-1]to C[0..」n/2」]MergeSort(B)MergeSort(C)Merge(B,C,A)}}Merge(B[0..p-1],C[0..q-1],A[0..p+q-1]){i←0，j←0，k←0while i<p and j<q doif(B[i]≤C[j])A[k]←B[i],i←i+1else A[k]←B[j],j←j+1k←k+1if(i=p)copy C[j..q-1]to A[k..p+q-1]else copy B[j..q-1]to A[k..p+q-1]}19.快速排序QuickSort(A[L..R]){ if(L<R)S←Partition(A[L..R])QuickSort(A[L..S-1])QuickSort(A[S+1..R])}Partition(A[l..r])p←A[l] i←l; j←r+1repeatrepeat i←i+1 until A[i]≥prepeat j←j-1 until A[j]≥pswap(A[i],A[j])until i≥jswap(A[i],A[j]swap(A[l],A[j]return j20.两次扫描确定分区算法Partition(A[L..R]){ p←A[L]i←L+1,j←Rwhile(true){ while(A[i]<p)and(i≤R)do i←i+1while(A[j]>q)and(j≥R)do j←j-1if(i≥j)then breakswap(A[i],A[j])}swap(A[L],A[j])return (j)}21.折半查找BinarySearch(A[0..n-1],K){L←0,R←n-1while(L<R) dom←」(L+R)/2」if(K=A[m])return melse if(K<A[m])R←m-1else L←m+1return(-1)}22.插入排序(比较两个相邻的数，依次从小到大插入) InsertionSort(A[0..n-1]){ for(i←1 to n-1) doj←i-1,V←A[i]while(j≥0 and A[j]>V)A[j+1]←A[j]j←j-1A[j+1]←V}23.DFS递归版DFSRecursion(vertex v){ count←count+1visit(v)Mark[v]←countfor each vertex w adjacent to v doif Mark[w]=0 thenDFSRecursion(w)}非递归：DFS(Graph G,Vertex v){ count←0virst(v)Initialize(S)Push(v)while(isEmpty(S)=FALSE)x←Pop(S)for each vertex w adjacent to x doif Mark[w]=0 thenvirst(w),count←count+1,Mark[w]←countPush(w)}23.BFS非递归算法BFS(Graph G,Vertex v){ count←0 virst(v) Initialize(Q) Enqueue(v)while(isEmpty(Q)=FALSE)x←Dequeue(Q)for each vertex w adjacent to x doif Mark[w]=0 then virst(w),count++,Mark[w]←count Enqueue(w)}24.预排序检验数组中元素唯一性PresortElementUniqueness(A[0..n-1])For i←0 to n-2 doif A[i]=A[i+1]return falsereturn true时间效率蛮力法：2n变治法：T(n)=Tsort(n)+Tscan(n)∈O(nlogn)+O(n)∈O(nlogn)25.变治法预排序蛮力法效率：T(n)=1+…+n-1∈Θ（n*n）变治法预排序：T(n)=n-1PresortMode_1(A[0..N-1])//行程算法，对数组排序i←0,ModeFrequency←0//最大频率while(i≤n-1)runlength←1,runvalue←A[i]while(i+runlength≤n-1 and A[i+runlength]=runvalue)runlength ++if(runlength>ModeFrequency)ModeFrequency←runlength,modeValue←runvaluei←i+runlengthreturn(ModeValue,ModeFrequency26.堆构造的值交换算法HeapValueExchange(H[1..n])For i←」n/2」downto 1 dok←I,v←H[k]heap←FALSEwhile(not heap)and(2*k≤n)doj←2*k if(j+1≤n)if(H[j]<H[j+1])j←j+1if(v≥H[j] heap←TRUEelse{H[k] ←H[j],k←j}H[k] ←v时间效率T(n)=Ε(n=o,h-1)[2(h-k)2k次方]=2hΕ(k=0,h-1)2k次方-2Ε(k=1,h-1)2k次方=2(n-log2(n+1))<2n,n>027.三种贪婪策略解决01背包的过程和结果价值最大：满足约束条件下，每次装入价值最大的物品----不一定能找到最优解（背包称重量消耗过快）重量最小：满足约束条件下，每次装入重量最轻的物品---不一定找到最优解（装入总价值增加太慢）单位价值最大：满足约束条件下，每次装入价值/重量最大的物品---能找到最优解28.连续背包的贪婪算法GreedyKnapsack(n,w[1..n],v[1..n],x[1..n],W,V)X[1..n] ←0 Wo←W V←0MergeSort(v[1..n]/w[1..n])For(i←1 to n)doIf(w[i]<Wo)then x[i]←1Wo←Wo←w[i]V←V+v[i]Else x[i]←Wo/w[i], V←V+x[i]*v[i]BreakReturn V29.贪婪算法Prim算法:PrimMST(G)Vt←{vo}Et←ΦFor(i←1 to|V|-1)do在V-Vt中选与当前树最小距离的边e*=(v*,u*)Vt←Vt∪{u*}Et←Et∪{e*}Return EtDijkstra算法伪码:Dijkstre(G,s)Initialize(Q)For(each vertex v∈V)dv←∞Isert (Q,v,dv)ds←0,Decrease(Q,s,ds)Vt←ΦFor(i←0 to |V|-1)U*←DeleteMin(Q)Vt←Vt∪{u*}For(each vertex u∈(V-Vt)adjacent to u*∈Vt)If(dn*+w(u*,u)<du)du←du*+w(u*,u)Decrease(Q,u,dn)Kruskal算法:Kruskal(G)Et←∅;ecounter←0k←0while ecounter<|V|-1 dok←k+1if Et∪{Eik}无回路ET←Et∪{Eik};ecounter←ecounter+1Return Eta.设计一个蛮力算法,对于给定的x0,计算下面多项式的值:P(x)=a n x n+a n-1x n-1+…+a1x+a0并确定该算法的最差效率类型.b.如果你设计的算法属于Θ(n2),请你为该算法设计一个线性的算法.。
算法设计与分析 复习整理汇编
《算法设计与分析》复习要点2.算法的概念：答：算法是求解一类问题的任意一种特殊的方法。
一个算法是对特定问题求解步骤的一种描述，它是指令的有限序列。
注：算法三要素：1、操作2、控制结构3、数据结构3.算法有5大特性：答：输入、输出、确定性、能行性、有穷性。
注：输入：一个算法有０个或多个输入；输出：一个算法将产生一个或多个输出。
确定性：一个算法中每一步运算的含义必须是确切的、无二义性的；可行性：一个算法中要执行的运算都是相当基本的操作，能在有限的时间内完成；有穷性：一个算法必须在执行了有穷步运算之后终止；4.算法按计算时间可分为两类：答:多项式时间算法的渐进时间复杂度:O(1)<O(logn)<O(n)<O(nlogn)<O(n^2)<O(n^3)，具有此特征的问题称为P为题。
有效算法。
指数时间算法的渐进时间复杂度之间的关系为：O(2^n)<O(n!)< O(n^n)，具有此特征的问题称为NP问题。
注：可以带1或2这些数字来判断它们之间的大小关系。
5.一个好算法的4大特性：答：正确性、简明性、效率、最优性。
注：正确性：算法的执行结果应当满足预先规定的功能和性能要求。
简明性：算法应思路清晰、层次分明、容易理解。
利于编码和调试。
效率：时间代价和空间代价应该尽可能的小。
最优性：算法的执行时间已经到求解该类问题所需要时间的下界。
6.影响程序运行时间的因素：1、答：程序所以来的算法。
问题规模和输入数据。
计算机系统系能。
注：算法运行的时间代价的度量不应依赖于算法运行的软件平台，算法运行的软件包括操作系统和采用的编程语言及其编译系统。
时间代价用执行基本操作（即关键操作）的次数来度量，这是进行算法分析的基础。
7.关键操作的概念答：指算法运行中起主要作用且花费最多时间的操作。
1.简述分治法是怎样的一种算法设计策略：答：将一个问题分解为若干个规模较小的子问题,且这些子问题互相独立且与原问题类型相同,递归地处理这些子问题，直到这些子问题的规模小到可以直接求解，然后将各个子问题的解合并得到原问题的解。
《算法设计与分析》复习提纲
《算法设计与分析》复习提纲2021.1.4 1 引言(ch1)1.什么是算法及其特征2.问题实例和问题规模2 算法初步(ch2)1.插入排序算法2.算法复杂性及其度量(1)时间复杂性和空间复杂性；(2)最坏、最好和平均情形复杂性；3.插入排序的最坏、最好和平均时间4.归并排序算法及其时间复杂性3函数增长率(ch3)1.渐近记号O、Ω、θ的定义及其使用2.标准复杂性函数及其大小关系3.和式界的证明方法4 递归关系式(ch4，Sch1)1.替换法(1)猜测解 数学归纳法证明；(2)变量变换法；2.迭代法(1)展开法；(2)递归树法；3.主定理4.补充1：递归与分治法(sch1)- 递归设计技术- 递归程序的非递归化- 算法设计(1)Fibonacci数；(2)生成全排列；(3)二分查找；(4)大整数乘法；(5)Stranssen矩阵乘法；(6)导线和开关(略)；5 堆排序(ch6)1堆的概念和存储结构2.堆的性质和种类3.堆的操作：建堆；整堆；4.堆排序算法和时间复杂性5.优先队列及其维护操作6 快速排序(ch7)1.快速排序算法及其最好、最坏时间和平均时间2.随机快速排序算法及其期望时间3.Partition算法7 线性时间排序(ch8)1.基于比较的排序算法下界：Ω(nlogn)2.计数排序适应的排序对象、算法和时间3.基数排序适应的排序对象、算法和时间4.桶排序适应的排序对象、算法和时间8 中位数和顺序统计(ch9)1.最大和最小值的求解方法2.期望时间为线性的选择算法3.最坏时间为线性的选择算法及其时间分析9 红黑树(ch13)1.红黑树的定义和节点结构2.黑高概念3.一棵n个内点的红黑树的高度至多是2log(n+1)4.左旋算法5.插入算法的时间、至多使用2次旋转6.删除算法的时间、至多使用3次旋转10 数据结构的扩张(ch14)1.动态顺序统计：扩展红黑树，支持①选择问题(给定Rank求相应的元素)，②Rank问题(求元素x在集合中的Rank)(1)节点结构的扩展；(2)选择问题的算法；(3)Rank问题的算法；(4)维护树的成本分析；2.如何扩张一个数据结构：扩张的步骤；扩张红黑树的定理(略)；3.区间树的扩张和查找算法11 动态规划(ch15)1.方法的基本思想和基本步骤2.动态规划和分治法求解问题的区别3.最优性原理及其问题满足最优性原理的证明方法4.算法设计(1)多段图规划；(2)矩阵链乘法；(3)最大子段和；(4)最长公共子序列；12 贪心算法(ch16)1.方法的基本思想和基本步骤2.贪心算法的正确性保证：满足贪心选择性质3.贪心算法与动态规划的比较4.两种背包问题的最优性分析：最优子结构性质和贪心选择性质5.算法设计(1)小数背包；(2)活动安排；(3)找钱问题；13 回溯法(sch2)1.方法的基本思想和基本步骤2.回溯法是一种深度遍历的搜索3.术语: 三种搜索空间, 活结点, 死结点, 扩展结点, 开始结点, 终端结点4.两种解空间树和相应的算法框架5.算法设计(1)图和树的遍历；(2)n后问题；(3)0-1背包；(4)排列生成问题；(5)TSP问题；14 平摊分析(ch17)1.平摊分析方法的作用和三种平摊分析方法各自特点2.聚集分析法及应用3.记账分析法及应用4.势能法及应用15 二项堆(ch19 in textbook version 2)1.为什么需要二项堆？二项堆和二叉堆上的几个基本操作时间复杂性2.二项堆定义和存储结构3.二项堆上合并操作及过程4.二项堆应用（尤其是在哪些图论算法上有应用）16 不相交集数据结构(ch21)1.不相交数据集概念2.两种实现方式：链表表示和森林表示3.两种表示具体实现和其上操作的时间复杂性4.不相交集数据结构应用（尤其是在哪些图论算法上有应用）17 图论算法(ch22-ch25)1.BFS和DFS算法- 白色、灰色和黑色结点概念和作用- 计算过程及其时间复杂度2.最小生成树- 安全边概念和一般算法（Generic algorithm）- Kruskal算法和Prim算法的计算过程和计算复杂性- 两种贪心算法的贪心策略和贪心选择性质3.单源最短路径（略）- 单源最短路径δ(s, v)和短路径上界d[v]概念- 边松弛技术及其一些性质- 三种问题算法的计算过程及其时间复杂度：Bellman-Ford算法、DAG算法和Dijkstra算法4. 所有点对最短路径（略）- 为什么能转换为矩阵乘法？- 基于矩阵乘法的较慢和快速算法的时间复杂度- Floyd-Warshall Algorithm的思路和时间复杂度- Johnson Algorithm适应的问题及其时间复杂度（略）18 数论算法(ch31)1.gcd(a, b)及其表示成a, b线性组合方法2.Euclid’s Alg.的运行时间3.线性模方程的求解方法4.中国余数定理及其相应线性同余方程组的求解5.RSA算法过程及正确性基础6.简单素数测试算法和伪素数测试算法7.MR算法的改进措施和算法复杂性19 串匹配(ch32)1.朴素的串匹配算法及其时间复杂度2.Rabin-Karp串匹配算法及其时间复杂度3.有限自动机串匹配算法及其及其时间复杂度4.KMP串匹配算法及其时间复杂度20 模型和NPC(ch34)1.算法的严格定义2.几种计算模型的语言识别能力3.两类图灵机模型4.P问题、NP问题和NP完全问题的定义及P归约。
(完整word版)算法分析与设计知识点总结(word文档良心出品)
第一章概述算法的概念：算法是指解决问题的一种方法或过程，是由若干条指令组成的有穷序列。
算法的特征：可终止性：算法必须在有限时间内终止；正确性：算法必须正确描述问题的求解过程；可行性：算法必须是可实施的；算法可以有0个或0个以上的输入；算法必须有1个或1个以上的输出。
算法与程序的关系：区别：程序可以不一定满足可终止性。
但算法必须在有限时间内结束；程序可以没有输出,而算法则必须有输出；算法是面向问题求解的过程描述，程序则是算法的实现。
联系：程序是算法用某种程序设计语言的具体实现；程序可以不满足算法的有限性性质。
算法描述方式：自然语言，流程图，伪代码，高级语言。
算法复杂性分析：算法复杂性的高低体现运行该算法所需计算机资源（时间，空间）的多少。
算法复杂性度量：期望反映算法本身性能，与环境无关。
理论上不能用算法在机器上真正的运行开销作为标准（硬件性能、代码质量影响）。
一般是针对问题选择基本运算和基本存储单位，用算法针对基本运算与基本存储单位的开销作为标准。
算法复杂性C依赖于问题规模N、算法输入I和算法本身A。
即C=F(N, I, A)。
第二章递归与分治分治法的基本思想：求解问题算法的复杂性一般都与问题规模相关，问题规模越小越容易处理。
分治法的基本思想是，将一个难以直接解决的大问题，分解为规模较小的相同子问题，直至这些子问题容易直接求解，并且可以利用这些子问题的解求出原问题的解。
各个击破，分而治之。
分治法产生的子问题一般是原问题的较小模式，这就为使用递归技术提供了方便。
递归是分治法中最常用的技术。
使子问题规模大致相等的做法是出自一种平衡(balancing)子问题的思想，它几乎总是比子问题规模不等的做法要好。
分治法所能解决的问题一般具有以下几个特征：该问题的规模缩小到一定的程度就可以容易地解决；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；利用该问题分解出的子问题的解可以合并为该问题的解；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。
算法分析与设计复习大纲(全)
算法分析与设计复习大纲第1章绪论考点：1、算法的5个重要特性。
答：输入、输出、有穷性、确定性、可行性2、掌握扩展递归技术和通用分治递推式的使用。
扩展递归技术：通用分支递归式：5、使用扩展递归技术求解下列递推关系式（1）（2）第3章蛮力法1、掌握蛮力法的设计思想：蛮力法依赖的基本技术——扫描技术，即采用一定的策略将待求解问题的所有元素依次处理一次，从而找出问题的解;关键——依次处理所有元素。
2、蛮力法的代表算法及其时间复杂度：顺序查找，O(n)串匹配（BF O(n*m)，KMP O(n+m)选择排序，O(n2)冒泡排序，O(n2)生成排列对象（排列问题），O(n!)生成子集（组合问题），O(2n)0/1背包属于组合问题。
任务分配，哈密顿回路，TSP问题属于排列问题。
3、掌握BF和KMP算法的原理，能够画出比较过程。
要求给出一串字符串，能够求出对应的next数组，并能使用KMP算法进行比较匹配。
4、掌握选择排序和冒泡排序算法描述和时间复杂性，要求能够写出伪代码。
选择排序算法描述：选择排序开始的时候，扫描整个序列，找到整个序列的最小记录和序列中的第一记录交换，从而将最小记录放到它在有序区的最终位置上，然后再从第二个记录开始扫描序列，找到n-1个序列中的最小记录，再和第二个记录交换位置。
一般地，第i趟排序从第i个记录开始扫描序列，在n-i+1个记录中找到关键码最小的记录，并和第i个记录交换作为有序序列的第i个记录。
时间复杂性：O(n2)伪代码：冒泡排序算法描述：冒泡排序开始的时候扫描整个序列，在扫描过程中两两比较相邻记录，如果反序则交换，最终，最大记录就能被“沉到”了序列的最后一个位置，第二趟扫描将第二大记录“沉到”了倒数第二个位置，重复上述操作，直到n-1趟扫描后，整个序列就排好序了。
冒泡排序，O(n2)5、算法设计题：假设在文本“ababcabccabccacbab”中查找模式“abccac”,求分别采用BF算法和KMP算法进行串匹配过程中的字符比较次数。
算法分析与设计
《算法分析与设计》课程复习资料一、名词解释：1.算法2.程序3.递归函数4.子问题的重叠性质5.队列式分支限界法6.多机调度问题7.最小生成树 二、简答题：1.备忘录方法和动态规划算法相比有何异同？简述之。
2.简述回溯法解题的主要步骤。
3.简述动态规划算法求解的基本要素。
4.简述回溯法的基本思想。
5.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。
6.简要分析分支限界法与回溯法的异同。
7.简述算法复杂性的概念，算法复杂性度量主要指哪两个方面？ 8.贪心算法求解的问题主要具有哪些性质？简述之。
9.分治法的基本思想是什么？合并排序的基本思想是什么？请分别简述之。
10.简述分析贪心算法与动态规划算法的异同。
三、算法编写及算法应用分析题：1.已知有3个物品：(w1,w2,w3)=(12,10,6),(p1,p2,p3)=(15,13,10),背包的容积M=20，根据0-1背包动态规划的递推式求出最优解。
2.按要求完成以下关于排序和查找的问题。
①对数组A={15，29，135，18，32，1，27，25，5}，用快速排序方法将其排成递减序。
②请描述递减数组进行二分搜索的基本思想，并给出非递归算法。
③给出上述算法的递归算法。
④使用上述算法对①所得到的结果搜索如下元素，并给出搜索过程：18，31，135。
3.已知1()*()i i k kij r r A a +=，k=1，2，3，4，5，6，r 1=5，r 2=10，r 3=3，r 4=12，r 5=5，r 6=50，r 7=6，求矩阵链积A 1×A 2×A 3×A 4×A 5×A 6的最佳求积顺序(要求给出计算步骤)。
4.根据分枝限界算法基本过程,求解0-1背包问题。
已知n=3,M=20，(w1,w2,w3)=(12,10,6),(p1,p2,p3)=(15,13,10)。
5.试用贪心算法求解汽车加油问题：已知一辆汽车加满油后可行驶n 公里，而旅途中有若干个加油站。
算法设计与分析复习重点
0/1背包问题：给定n 个重量为｛w 1，w 2，...，w n ｝、价值为｛v 1，v 2，...，v n ｝的物品和一个容量为C 的背包，应选择哪些物品装入背包，才能使装入背包的物品价值最高？ 蛮力法：给出所有子集，计算子集的总重量和总价值，进行比较。
动态规划法：证明0/1背包问题，满足最优性原理，分支限界法：用贪心法求得背包问题的下界，再求得上界：将背包中剩余容量全部装入第i+1个物品，并可以将背包装满，限界函数：ub=v+(W-w)*(v i+1/w i+1)。
总结：1.剪枝函数给出每个可行结点相应的子树可能获得的最大价值的上界。
2.如这个上界不会比当前最优值更大，则可以剪去相应的子树。
3.也可将上界函数确定的每个结点的上界值作为优先级，以该优先级的非增序抽取当前扩展结点。
由此可快速获得最优解。
贪心法：选择单位重量价值最大的物品。
哈密顿回路问题：共有n 个城市，要求从一个城市出发，经过每个城市恰好一次，最后回到出发城市。
蛮力法：对于给定的无向图G=（V ，E ），依次考察图中所有顶点的全排列，满足以下条件的全排列（v i1,v i2,...,v in ）构成的回路就是哈密顿回路：（1）相邻顶点之间存在边，即（v ij ,v ij+1）∈E （1≤j ≤n-1）（2）最后一个顶点和第一个顶点之间存在边，即（v in ,v i1）∈E回溯法：假定图G=（V ，E ）的顶点集为V=｛1,2,…,n ｝，则哈密顿回路的可能解表示为n 元组X=（x 1,x 2,…,x n ），其中，xi ｛1,2,…,n ｝。
根据题意，有如下约束条件：{(x i ,x i+1)∈E(1≤i ≤n −1)(x n ,x 1)∈E x i ≠x j (1≤i,j ≤n,i ≠j )首先把所有顶点的访问标志初始化为0，然后依次为每个顶点着色。
在解空间树中，如果从根结点到当前结点对应一个部分解，即满足上述约束条件，则在当前结点处选择第一棵子树继续搜索，否则，对当前子树的兄弟子树继续搜索，即为当前顶点着下一个颜色。
《算法设计与分析》考试题目及答案(DOC)
cg(n) }； B. O(g(n)) = { f(n) | 存在正常数 c 和 n0 使得对所有 n n0 有：0 cg(n)
f(n) }； C. O(g(n)) = { f(n) | 对于任何正常数 c>0，存在正数和 n0 >0 使得对所有
12. k 带图灵机的空间复杂性 S(n)是指（B） A. k 带图灵机处理所有长度为 n 的输入时，在某条带上所使用过的最大方格
数。 B. k 带图灵机处理所有长度为 n 的输入时，在 k 条带上所使用过的方格数的
总和。 C. k 带图灵机处理所有长度为 n 的输入时，在 k 条带上所使用过的平均方格
cg(n) }； B. O(g(n)) = { f(n) | 存在正常数 c 和 n0 使得对所有 n n0 有：0 cg(n)
f(n) }；
C. (g(n)) = { f(n) | 对于任何正常数 c>0，存在正数和 n0 >0 使得对所有 n n0 有：0 f(n)<cg(n) }；
n n0 有：0 f(n)<cg(n) }； D. O(g(n)) = { f(n) | 对于任何正常数 c>0，存在正数和 n0 >0 使得对所有
n n0 有：0 cg(n) < f(n) }；
15. 记号 的定义正确的是（B）。 A. O(g(n)) = { f(n) | 存在正常数 c 和 n0 使得对所有 n n0 有：0 f(n)
return b;
}
11. 用回溯法解布线问题时，求最优解的主要程序段如下。如果布线区域划分 为 n m 的方格阵列，扩展每个结点需 O(1)的时间，L 为最短布线路径的长度， 则算法共耗时 ( O(mn) )，构造相应的最短距离需要（O(L)）时间。
算法设计与分析 复习
算法设计与分析复习算法与程序算法：解决问题的方法或过程，是满足下述性质的指令序列。
输入：有零个或多个外部量作为算法的输入。
输出：算法产生至少一个量作为输出。
确定性：组成算法的每条指令明晰、无歧义。
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。
程序：程序是算法用某种程序设计语言的详细实现。
程序可以不满足算法的性质(4)即有限性。
例如操作系统，是一个在无限循环中执行的程序，因此不是一个算法。
操作系统的各种任务可看成是单独的问题，每一个问题由操作系统中的一个子程序通过特定的算法来实现。
该子程序得到输出结果后便终止。
描绘算法与算法设计算法分析的根本原那么算法分析的根本原那么时间复杂度(time complexity)T(n)时间复杂度指程序执行时所用的时间。
在使用解析方法时程序p的时间复杂度表示为输入量的函数T。
机器独立的分析方法-解析的方法.在解析地分析时间复杂度时,使用以下两种时间单位并计算：操作计数(operation count):算法的根本操作(程序)步计数(step count):分析全部程序要点:根本操作或程序步的执行时间必须是常数。
最好，最坏和平均情形时间复杂度当长度一样的不同输入有不同的计算时间时，时间复杂度分析分别考虑三种情形：即最好，最坏和平均. 当应用对计算时间有严格要求时，应做最坏情形分析-upper bound.最好情形分析给出一个算法的计算时间的下界，用来否认一个算法.渐近分析,符号(О,Ω,Θ)计算机科学使用最多的符号-讨论算法时使用的共同语言.渐近分析-随n的增加T(n)的增长率渐近分析(续)大Ωf(n)=Ω(g(n)) iff 存在常数c和n0使得对所有n>n0,有f(n)>cg(n)成立.渐近分析(续)称g(n)为f(n)的渐近下界例如,f(n)=0.001n2-10n-1000=Ω(n2)因为:limf(n)/n2=0.001渐近分析(续)符号Θ假如f(n)=O(g(n))同时f(n)=Ω(g(n))那么f(n)=Θ(g(n)),并称f(n)与g(n)同阶.Lim f(n)/g(n)=c, 0<c<唴那么f(n)=Θ(g(n))g(n)取上述初等函数渐近分析(续)当f(n)为算法的时间复杂度函数时，称g(n)为该算法的复杂度的阶。
- 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)。
题型及分数分布：
1.填空题
2.简答题、证明题
3.计算题2-3题
4.算法设计题2-3题15分
25分左右30分左右30分左右
复习提纲
算法基础
1.什么是算法？
2.算法的五个重要特性
3.运算的分类：时间囿界于常数的运算、时间非囿界于常数的运算，为什么要定义时间囿界
于常数的运算？怎么分析吋间非囿界于常数的运算？
4.什么是事前分析和事后测试？各阶段的目标和特点是什么？
5.什么是函数表达式的数量级？数量级的大小怎么反应了算法复杂度的高低？
6.什么是限界函数？怎么得来的？
7.限界函数：上界函数、下界函数、“均值”函数的定义和性质
8.理解定理1.2, P76定理
9.掌握数学归纳法、反证法、反例法等证明方法
二、递归与递归式
1.什么是递归和递归程序设计？
2.递归的结构是什么？
3.什么是直接递归和间接递归？
4.递归程序有哪些效率问题？各自的原因是什么？
5.怎么消去递归（不要求）
6.什么是代换法、递归树法、主方法？（例题、习题）
三、分治法
1.简述分治法的基本思想？分治法分解问题的基本要求是什么？为什么说分治与递归像一对李生兄弟？
2.可用分治法求解的问题应具有的特征？（了解）
3.分治法求解的三个步骤。
4.二分检索（3.2节）
1）了解算法
2）重点掌握算法复杂度的分析技术
（1）对成功和不成功检索情况的讨论
（2）什么是二元比较树？内结点、外结点分别代表了什么？比较次数和结点在树屮的级数（或根到结点的路径长度）Z间的关系。
3）定理3.1及其证明过程和结论
4）什么叫做以比较为基础的检索？其下界是什么？（了解）
5）为什么说二分检索是解决检索问题的最优的最坏情况算法？
5.找最大和最小元素（3.3节）：一般了解，理解递归程序的效率问题
6.基于分治的分类算法（3.4节）：回顾数据结构相关知识，知道每种分类算法的基本思想、
算法复杂度、适用性等方面的性质（不考算法，考应用）
1）P46：以关键字比较为基础的分类算法的吋间下界是什么？怎么证明的？（了解）
2）P60：一个改进了的快速分类迭代算法模型，其空I'可复杂度为O（logn）是怎么得来的？
7.选择问题（3.5节）
1）了解基于partition的选择算法设计思想、最坏、平均吋间复杂度的结论和证明。
2）了解如何实现最坏情况是0（n）的选择算法，什么是二次収中？目的是什么？
3）了解算法3.10,算法3.11不做要求
10.矩阵乘积的Strassen算法（3.6节）：一般了解
11.最近点对问题（3.7节）：一般了解，重点领会分治策略的使用
四.中位数和顺序统计学
1.基本概念：顺序统计量、中位数（下中位数、上中位数）
2.屮位数的统计学意义是什么？和平均数相比有什么独特Z处？（了解）
3.什么是带权中位数？什么是一维带权中位数、二维带权中位数？
4.什么是Manhattan距离？
5.了解石油管的最优位置、一维邮局问题、二维邮局问题
6.为什么使工00（", 口）最小的点满足-和工0 V厅？如何理解石油管
7=1 Pi<P / PQP / 的最优位置、一维邮局问题、二维邮局问题都统一到带权中位数问题上？（了解）
五、贪心策略
1•基本概念：约束条件、可行解、目标函数、最优解
2.简述贪心策略的一般方法
3.背包问题（5.2节）
1）三种量度标准的选择，理解为什么说贪心方法求解问题的关键是选取能够得到问题最优解的量度标准。
2）会计算：见例题
3）定理5.1,贪心解是最优解的证明：基本思路和具体方法
4.带有限期的作业排序（
5.3节）
1）了解单机无资源约束的单元任务非抢占调度问题的定义
2）会计算：见例题
3）算法及其证明：了解
4）课件P54：其他具有不同执行时I'可的作业调度问题：不要求
5.最优归并模式（5.4节）
1）什么是带权外部路径长度？
2）什么是最优二路归并模式？
3）最优二路归并模式的求解：会计算，会画最优二路归并树、计算带权外部路径长度。
4）最优解的证明（不要求）
5）哈夫曼编码（不要求）
6.最优装载问题（5.5节）：不要求
7.贪心策略的基本要素（5.7节）
1）什么是贪心选择性质？
2）贪心策略和动态规划的区别
8.最小成本生成树（5.8节）:Prim算法、Kruskal算法
1）会计算：对已知图，可以画出最小成本生成树
2）其他相关生成树：单源点最短路径生成树、BFS生成树、DFS生成树
9.单源最短路径（Dijkstra算法，5.9节）
1）算法：了解
2）会用：一个点到其它各个点的最短路径
3）会计算（填表，见例题）
六.动态规划
1.什么是多阶段决策过程？
2.什么是无后效性？对问题求解带来什么影响？
3.什么是状态转移方程？
4.什么是多阶段决策过程的最优化问题？
5.什么是最优性原理（最优子结构性）？结合实例了解如何证明问题满足最优性原理？
6.递推策略：向前处理法、向后处理法（了解，结合实例具体设计）
7.多段图问题（6.2节）：了解
&每对结点之间的最短路径（6.3节）
会计算：见例题，矩阵的迭代
9.最优二分检索树（6.4节）
1）会计算：W（ij）、C（ij）、R（i,j）的计算，及树形态的推导
2）算法：了解
10.0/1背包问题（6.5节）
1）会计算：用序偶集的方式计算、支配规则的使用、解的推导
2）算法6.6 : 了解
3）算法6.7：不要求
4）DKNAP的分析（了解）
5）启发式生成策略（了解）
11・最长公共子序列（6.6节）：了解
1）LCS问题的最优子结构性：定理6.2
2）递推关系式
3）算法：了解
4）计算：不要求
12.矩阵链乘法（6.7节）：不要求
13.货郎担问题（6.8节）：不要求
七、检索与周游
1.基本概念：检索、周游、访问结点、检测
2.二元树周游
1）先根、中根、后根次序周游（了解）
2）一棵二元树可由屮根遍历序列+先根遍历序列、或屮根遍历序列+后根遍历序列唯一确定：会算
3.图的检索和周游
1） BFS、DFS、D-Search：算法一般了解，给出一个图，会算
2）定理7.2算法BFS可以访问由v可到达的所有结点
3）定理7.3 （不要求）
4）检索算法和周游算法的区别，周游算法的应用
5）宽度优先生成树、深度优先生成树
4.双连通分图与深度优先检索（7.3节）
1）什么是关节点？
2）什么是双连通图？
3）深度优先数（DFN）、最低深度优先数：会算
4）算法：一般了解
5）会计算：通过计算深度优先数（DFN）、最低深度优先数，判断出关节点，求出相关联的双联通分图（见例7.11）
5.与/或图（7.4节不要求）
6.对策树（
7.5节不要求）
八、回溯法（八）、分支限界法（九）
1.什么是回溯法、分支限界法？
2.一些基本概念：约束条件、显式约束条件、隐式约束条件、解空间、状态空间树
3.状态空间树的构造
1）活结点、E-结点、死结点、限界函数的概念
2）深度优先策略：回溯
3）宽度优先策略：分支限界
4.n■皇后问题（8.2节）：一般了解
5.子集和数问题（8.3节）：会算（见例题）
6.FIFO、LIFO 检索（了解）
7.LC检索
1）什么是结点成本函数？
2）什么是结点成本估计函数？其组成的两部分对检索过程有什么影响？
3）什么是LC■检索
4）算法LC、LC1：一般了解
九.模式匹配（第十一讲）
1.朴素的字符串匹配算法（口.1节）：一般了解
2.有限自动机和字符串匹配（H.2节）：不做要求
3.KMP 算法（11.3 节）：
1）算法：了解
2）会计算：
（1）对给定的模式，计算模式的前缀幣数n
（2）对给定的文本和模式，写出匹配过程。