算法设计与分析教案Word下载.docx
《算法设计与分析教案Word下载.docx》由会员分享,可在线阅读,更多相关《算法设计与分析教案Word下载.docx(109页珍藏版)》请在冰豆网上搜索。
算法中的每一条指令必须有确切的含义,对于相同的输入只能得到相同的输出。
⑸可行性:
算法描述的操作可以通过已经实现的基本操作执行有限次来实现。
1.1.3算法的描述方法
⑴自然语言
优点:
容易理解
缺点:
冗长、二义性
使用方法:
粗线条描述算法思想
注意事项:
避免写成自然段
欧几里德算法
N
开始
输入m和n
r=m%n
r=0
m=n;
n=r
输出n
结束
Y
⑶程序设计语言
能由计算机执行
抽象性差,对语言要求高
算法需要验证
将算法写成子函数
#include<
iostream.h>
intCommonFactor(intm,intn)
{
intr=m%n;
while(r!
=0)
{
m=n;
n=r;
r=m%n;
}
returnn;
}
voidmain()
cout<
<
CommonFactor(63,54)<
endl;
⑷伪代码——算法语言
伪代码(Pseudocode):
介于自然语言和程序设计语言之间的方法,它采用某一程序设计语言的基本语法,操作指令可以结合自然语言来设计。
表达能力强,抽象性强,容易理解
7±
2
1.r=m%n;
2.循环直到r等于0
2.1m=n;
2.2n=r;
2.3r=m%n;
3.输出n;
1.1.4算法设计的一般过程
1.理解问题
2.预测所有可能的输入
3.在精确解和近似解间做选择
4.确定适当的数据结构
5.算法设计技术
6.描述算法
7.跟踪算法
8.分析算法的效率
9.根据算法编写代码
1.2算法分析
算法分析(AlgorithmAnalysis):
对算法所需要的两种计算机资源——时间和空间进行估算
时间复杂性(TimeComplexity)
空间复杂性(SpaceComplexity)
算法分析的目的:
设计算法——设计出复杂性尽可能低的算法
选择算法——在多种算法中选择其中复杂性最低者
时间复杂性分析的关键:
问题规模:
输入量的多少;
基本语句:
执行次数与整个算法的执行时间
成正比的语句
for(i=1;
i<
=n;
i++)
for(j=1;
j<
j++)
x++;
问题规模:
n
基本语句:
x++
1.2.1渐进符号
1.大O符号
定义1.1若存在两个正的常数c和n0,对于任意n≥n0,都有T(n)≤c×
f(n),则称T(n)=O(f(n))
n0
问题规模n
执行次数
n0之前的情况无关紧要
T(n)
c×
f(n)
2.大Ω符号
定义1.2若存在两个正的常数c和n0,对于任意n≥n0,都有T(n)≥c×
g(n),则称T(n)=Ω(g(n))
g(n)
3.Θ符号
定义1.3若存在三个正的常数c1、c2和n0,对于任意n≥n0都有c1×
f(n)≥T(n)≥c2×
f(n),则称T(n)=Θ(f(n))
c2×
c1×
例:
T(n)=5n2+8n+1
当n≥1时,5n2+8n+1≤5n2+8n+n
=5n2+9n≤5n2+9n2≤14n2=O(n2)
当n≥1时,5n2+8n+1≥5n2=Ω(n2)
∴当n≥1时,14n2≥5n2+8n+1≥5n2
则:
5n2+8n+1=Θ(n2)
定理1.1若T(n)=amnm+am-1nm-1+…+a1n+a0(am>
0),则有T(n)=O(nm)且T(n)=Ω(nm),因此,有T(n)=Θ(nm)。
1.2.2最好、最坏和平均情况
在一维整型数组A[n]中顺序查找与给定值k相等的元素(假设该数组中有且仅有一个元素值为k)
intFind(intA[],intn)
{
for(i=0;
n;
if(A[i]==k)break;
returni;
}
结论:
如果问题规模相同,时间代价与输入数据有关,则需要分析最好情况、最坏情况、平均情况。
ü
最好情况:
出现概率较大时分析
最差情况:
实时系统
平均情况:
已知输入数据是如何分布的,
通常假设等概率分布
1.2.3非递归算法的分析
算法——非递归算法、递归算法
求数组最小值算法
intArrayMin(inta[],intn)
min=a[0];
for(i=1;
if(a[i]<
min)min=a[i];
returnmin;
非递归算法分析的一般步骤:
1.决定用哪个(或哪些)参数作为算法问题规模的度量
2.找出算法中的基本语句
3.检查基本语句的执行次数是否只依赖于问题规模
4.建立基本语句执行次数的求和表达式
5.用渐进符号表示这个求和表达式
v关键:
建立一个代表算法运行时间的求和表达式,然后用渐进符号表示这个求和表达式。
1.2.4递归算法的分析
关键:
根据递归过程建立递推关系式,然后求解这个递推关系式。
1.猜测技术:
对递推关系式估计一个上限,然后(用数学归纳法)证明它正确。
2.扩展递归技术
3.通用分治递推式
大小为n的原问题分成若干个大小为n/b的子问题,其中a个子问题需要求解,而cnk是合并各个子问题的解需要的工作量。
1.2.5算法的后验分析
算法的后验分析(Posteriori)也称算法的实验分析,它是一种事后计算的方法,通常需要将算法转换为对应的程序并上机运行。
一般步骤:
1.明确实验目的
2.决定度量算法效率的方法,为实验准备算法的程序实现
3.决定输入样本,生成实验数据
4.对输入样本运行算法对应的程序,记录得到的实验数据
5.分析得到的实验数据
表格法记录实验数据
散点图记录实验数据
执
行
次
数
或
时
间
第4章分治法
4.1概述
4.1.1分治法的设计思想
将一个难以直接解决的大问题,划分成一些规模较小的子问题,以便各个击破,分而治之。
更一般地说,将要求解的原问题划分成k个较小规模的子问题,对这k个子问题分别求解。
如果子问题的规模仍然不够小,则再将每个子问题划分为k个规模更小的子问题,如此分解下去,直到问题规模足够小,很容易求出其解为止,再将子问题的解合并为一个更大规模的问题的解,自底向上逐步求出原问题的解。
启发式规则:
1.平衡子问题:
最好使子问题的规模大致相同。
也就是将一个问题划分成大小相等的k个子问题(通常k=2),这种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。
2.独立子问题:
各子问题之间相互独立,这涉及到分治法的效率,如果各子问题不是独立的,则分治法需要重复地解公共的子问题。
分治法的典型情况
子问题1
的规模是n/2
子问题1的解
子问题2的解
子问题2
原问题的解
原问题
的规模是n
4.1.2分治法的求解过程
一般来说,分治法的求解过程由以下三个阶段组成:
(1)划分:
既然是分治,当然需要把规模为n的原问题划分为k个规模较小的子问题,并尽量使这k个子问题的规模大致相同。
(2)求解子问题:
各子问题的解法与原问题的解法通常是相同的,可以用递归的方法求解各个子问题,有时递归处理也可以用循环来实现。
(3)合并:
把各个子问题的解合并起来,合并的代价因情况不同有很大差异,分治算法的有效性很大程度上依赖于合并的实现。
分治法的一般过程
DivideConquer(P)
if(P的规模足够小)直接求解P;
分解为k个子问题P1,P2,…Pk;
for(i=1;
i<
=k;
i++)
yi=DivideConquer(Pi);
returnMerge(y1,…,yk);
计算an,应用分治技术得到如下计算方法:
34
32
81
31
9
3
分解问题
求解每个子问题
合并子问题的解
4.2递归
4.2.1递归的定义
递归就是子程序(或函数)直接调用自己或通过一系列调用语句间接调用自己,是一种描述问题和解决问题的基本方法。
递归有两个基本要素:
⑴边界条件:
确定递归到何时终止;
⑵递归模式:
大问题是如何分解为小问题的,确定递归体。
4.2.2递归函数的运行轨迹
在递归函数中,调用函数和被调用函数是同一个函数,需要注意的是递归函数的调用层次,如果把调用递归函数的主函数称为第0层,进入函数后,首次递归调用自身称为第1层调用;
从第i层递归调用自身称为第i+1层。
反之,退出第i+1层调用应该返回第i层。
采用图示方法描述递归函数的运行轨迹,从中可较直观地了解到各调用层次及其执行情况。
Hanio(3,A,B,C)
Hanio(2,A,C,B)
Hanio(1,A,B,C)
Move(A,C)
Move(A,B)
Hanio(1,C,A,B)
Move(C,B)
Hanio(2,B,A,C)
Hanio(1,B,C,A)
Move(B,C)
Move(B,A)
4.2.3递归函数的内部执行过程
一个递归函数的调用过程类似于多个函数的嵌套调用,只不过调用函数和被调用函数是同一个函数。
为了保证递归函数的正确