10计算机算法设计与分析期末复习资料Word文档下载推荐.docx
《10计算机算法设计与分析期末复习资料Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《10计算机算法设计与分析期末复习资料Word文档下载推荐.docx(7页珍藏版)》请在冰豆网上搜索。
20.问题的解空间树常见的有子集树、排列树两种类型。
21.分支界限算法依据其从和节点表中选择获得下一扩展节点的不同方式被分为
22.对于任何约束标准型线性规划问题,只要将所用分基本变量都设置为0,就可以获得一个解。
二判断题(20x1=20分)
1.算法的描述方式有自然语言、程序语言,或者两者相结合的形式。
()
2.算法满足的特性有哪些,程序有什么特征,而这有什么关系。
3.算法复杂度越高或者越低与占用计算机资源的关系是什么。
4.算法复杂性上界的阶,越高或者越低与结果的准确性和实际价值关系。
5.递归算法和非递归算法两者之间的效率如何。
6.动态规划算法带求解的问题是否可以用分支界限法、分治法、线性规划法、回溯法等其他的算法求解。
7.动态规划算法带求解的问题,经分解得到的子问题,是独立的还是不独立的。
8.如果问题具有最优子结构性质,请问这个问题使用动态规划法和贪心算法那个更好。
9.贪心算法在一般情况下,是否能够得到整体最优解,还是最优解的近似值。
10.动态规划法和贪心算法,在求解问题的时候都是自顶向下的吗?
11.请问对于待解决的问题,有“通用解题法”之称的是什么算法?
回溯法
12.回溯法是通过遍历搜索树找到问题的最优解的吗?
13.在分支界限法和回溯法中,每个节点都有机会成为扩展节点吗?
14.对于待解决的同一个问题,随机化算法与非随机化算法,谁的复杂度高?
谁的复杂度低?
15.数值化随机算法用于求解问题的准确解吗?
16.蒙特卡罗算法是用于球问题的准确解还是近似解,并且得到的解,一定是可靠的吗?
17.舍伍德算法能够得到问题的准确解吗?
18.二分搜索算法是那种算法的一种典型实例?
分治法
19.矩阵连乘问题,最实用的算法是什么?
20.程序必须满足算法的所有属性吗?
21.算法复杂性与计算机的本身资源有关吗?
22.算法描述的方式除了自然语言、程序语言
23.算法复杂性的阶越高越好吗?
24.动态规划法和分治法一定要把求解的问题分解成为若干个子问题吗?
25.如果问题具有最优子结构性质,贪心算法比其他的算法都要好吗?
三概念题(6x2=12分)
1.算法复杂性:
是算法运行所需要的计算机资源的量,需要时间资源的量称为时间复杂性,需要空间资源的量称为空间复杂性。
2.递归算法:
直接或间接地调用自身的算法称为递归算法。
3.贪心算法:
在对问题求解时,总是做出当前看来是最好的选择。
也就是说,贪心算法并不从整体最优考虑,他所做出的选择只是在某种意义上的局部最优选择。
贪心算法不能对所有问题都得到整体最优解,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。
4.子集树:
当所给问题是从n个元素的集合s中找出满足某种性质的子集时,相应的解空间树称为子集树。
5.队列式(FIFO)分支限界法:
将活结点表组织成一个队列,并按队列的先进先出原则选取下一个结点为当前扩展结点。
6.分治法:
将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。
7.算法:
由若干条指令组成的有穷序列。
8.最优子结构:
当一个问题的最优解包含了其子问题的最优解时,称该问题具有最优子结构性质。
9.回溯法:
以深度优先方式系统搜索问题解的算法称为回溯法。
10.排列树:
当所给的问题是确定n个元素满足某种性质的排列时,相应的解空间树称为排列树。
11.网络流:
是定义在网络的边集合E上的一个非负函数flow={flow(v,w)},并称flow(v,w)为边(v,w)上的流量。
四简答题(3x4=12分)
1.在一个算法中调用另一个算法时,系统需在运行被调用算法之前完成哪些工作?
同时从被调用算法返回调用算法需完成哪些工作?
答:
在一个算法中调用另一算法时,系统需在运行被调用算法之前先完成三件事:
(1)将所有实参指针、返回地址等信息传递给被调用算法;
(2)为被调用算法的局部变量分配存储区;
(3)将控制转移到被调用算法的入口。
在从被调用算法返回调用算法时需完成三件事:
(1)保存被调用算法的计算结果;
(2)释放分配给被调用算法的数据区;
(3)依照被调用算法保存的返回地址将控制转移到调用算法。
2.动态规划算法求解问题的步骤?
动态规划法适用于解最优化问题。
通常可以按以下4个步骤设计:
(1)找出最优解的性质,并刻画其结构特征;
(2)递归地定义最优值;
(3)以自底向上的方式计算最优值;
(4)根据计算最优值时得到的信息构造最优解。
3.线性规划法中单纯形算法的基本步骤?
步骤一选入基变量。
步骤二选离基变量。
步骤三做转轴变换。
步骤四转步骤一。
4.分治法的基本思想和原理是什么?
分治法的基本思想是将一个规模为n的问题分解为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。
5.利用回溯法解决问题包含哪些步骤?
利用回溯法解题常包含以下3步骤:
(1)针对所给问题,定义问题的解空间;
(2)确定易于搜索的解空间结构;
(3)以深度优先方式搜索解空间,并在搜索过程中用剪枝函数避免无效搜索。
五分析题(36分)
1.求下列函数的渐进表达式:
3n2+10n;
n2/10+2n;
21+1/n;
logn3;
10log3n
分析与解答:
3n2+10n=O(n2);
n2/10+2n=O(2n);
21+1/n=O
(1);
logn3=O(logn);
10log3n=O(n)
2.讨论O
(1)和O
(2)的区别。
根据符号O的定义易知O
(1)=O
(2)。
用O
(1)或O
(2)表示同一个函数时,差别仅在于其中的常数因子。
3.按渐近阶排列表达式
按照渐近阶从低到高的顺序排列以下表达式:
4n2,logn,3n,20n,2,n2/3。
又n!
应该排在哪一位?
按渐近阶从低到高,函数排列顺序如下:
2,logn,n2/3,20n,4n2,3n,n!
。
4.算法效率
(1)假设某算法在输入规模为n时计算时间为T(n)=3*2n。
在某台计算机上实现并完成该算法的时间为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?
(2)若上述算法的计算时间改进为T(n)=n2,其余条件不变,则在新机器上用t秒时间能解输入规模为多大的问题?
(3)若上述算法的计算时间进一步改进为T(n)=8,其余条件不变,那么在新机器上用t秒时间能解输入规模为多大的问题?
分析解答:
(1)设新机器用同一算法在t秒内能解输入规模为n1的问题。
因此有:
t=3*22=3*2n1/64,解得你n1=n+6。
(2)n12=64n2
n1=8n。
(3)由于T(n)=常数,因此算法可解任意规模的问题。
5.阶乘函数
阶乘函数可递归地定义为:
intfactorial(intn)
{
if(n==0)return1;
returnn*factorial(n-1);
}
6.Fibonacci数列
无穷数列1,1,2,3,5,8,13,21,34,55,……,称为Fibonacci数列。
它可以递归地定义为:
请对这个无穷数列设计一个算法,并进行描述(自然语言描述和VC++描述).
第n个Fibonacci数可递归地计算如下:
intfibonacci(intn)
{
if(n<
=1)return1;
returnfibonacci(n-1)+fibonacci(n-2);
}
7.循环赛日程表
设有n=2k个运动员要进行兵乓球循环赛。
现在要设计一个满足以下要求的比赛日程表:
(1)每个选手必须与其他n-1个选手各赛一次;
(2)每个选手一天只能赛一次;
(3)循环赛一共进行n-1天。
请设计一个算法解决以上问题,并进行描述(自然语言和C++语言)
按分治策略,将所有的选手分为两半,n个选手的比赛日程表就可以通过为n/2个选手设计的比赛日程表来决定。
递归地用对选手进行分割,直到只剩下2个选手时,比赛日程表的制定就变得很简单。
这时只要让这2个选手进行比赛就可以了。
8.有一批集装箱要装上一艘载重量为c的轮船。
其中集装箱i的重量为Wi。
最优装载问题要求确定在装载体积不受限制的情况下,将尽可能多的集装箱装上轮船。
分析回答以下两个问题:
(1)分析以上最优装载问题具有贪心选择性质
(2)用C++程序进行正确的算法描述
(1)设集装箱已依其重量从小到大排序,(x1,x2,…,xn)是最有装载问题的一个最优解。
又设k=min{i|xi=1}。
易知,如果给定的最有装载问题有解,则1≤k≤n。
2当k=1时,(x1,x2,…,xn)是满足贪心选择性质的最优解。
②当k>
1时,取y1=1;
yk=0;
yi=xi,1<
i≤n,i≠k,则
因此,()是所给最有装载问题的可行解。
另一方面,由知,()是满足贪心选择性质的最优解。
所以,最优装载问题具有贪心选择性质。
(2)最优装载问题可用贪心算法求解。
采用重量最轻者先装的贪心选择策略,可产生最优装载问题的最优解。
具体算法描述如下。
template<
classType>
voidLoading(intx[],Typew[],Typec,intn)
int*t=newint[n+1];
Sort(w,t,n);
for(inti=1;
i<
=n;
i++)x[i]=0;
=n&
&
w[t[i]]<
=c;
i++){x[t[i]]=1;
c-=w[t[i]];