第8章 高效算法设计
【教学内容相关章节】
8.1算法分析初步 8.2再谈排序与搜索 8.3递归与分治 8.4贪心法
【教学目标】 (加粗表示基本掌握)
(1)理解“基本操作”、渐近时间复杂度的概念和大O记号的含义;
(2)掌握“最大连续和”问题的各种算法及其时间复杂度分析;
(3)正确认识算法分析的优点和局限性,能正确使用分析结果;
(4)掌握归并排序和逆序对统计的分治算法;
(5)掌握归并排序和快速选择算法;
(6)熟练掌握二分查找算法,包括找上下界的算法;
(7)能用递归的方式思考和求解问题;
(8)熟练掌握用二分法求解非线性方程的方法;
(9)熟练掌握用二分法把优化问题转化为判定问题的方法;
(10)熟悉能用贪心法求解的各类经典的问题。
8.1算法分析初步
例8-1:最大连续和(注:数组下标从1开始)
(1)枚举的思想。计算次数用数学计算为n*(n+1)*(n+2)/6,时间复杂度O(n^n^n)。
best = A[1];
for (i = 1; i <= n; i++)
{
for (j = 1; j <= n; j++)
{
int sum = 0;
for (k = i; k <=j; k++)
sum += A[k];
if (sum > best) best = sum;
}
}
(2)优化,设Si=A1+A2+„+Ai,则Ai+Ai+1+„+Aj=Sj-Si-1,它的含义是连续子序列之和等于两个前缀和之差。同样可计算出计算次数为 n*(n+1)/2,时间复杂度为O(n^n)。
S[0] = 0;
for (i = 1; i <= n; i++)
s[i] = s[i-1] + A[i];
for (i = 1; i <= n; i++)
for (j = i; j <= n; j++)
if (s[j] - s[i-1] > best) best = s[j] - s[i-1];
(3)分治法:
分治法一般分为3个步骤:
1、划分问题,把问题的实例划分成若干子问题;
2、递归问题,递归解决子问题;
3、合并问题,合并子问题的解得到原问题的解。
本例中,“划分”就是把序列分成元素个数尽量相等的两半;“递归求解”就是分别求出完全位于左半或完全位于右半的最佳序列;“合并”就是求出起点位于左半、终点位于右半的最大连续和序列,并和子问题的最优解比较。
贴上一个完整能跑的程序。注意区间为左闭右开[x,y)。递归方程T(n)=2T(n/2)+n,T(1)=1的解为T(n)=Θ(nlogn)
#include <iostream>
#include <iomanip>
#include <string>
#include <cstring>
#include <cstdio>
#include <queue>
#include <stack>
#include <algorithm>
#include <cmath>
using namespace std;
int maxsum(int *A, int x, int y)
{
int m = 0, max = 0, v = 0, L = 0, R = 0, i = 0;
if (y - x == 1) return A[x];
m = x + (y-x)/2;
max = maxsum(A, x, m) > maxsum(A, m, y)? maxsum(A, x, m) : maxsum(A, m, y);
v = 0; L = A[m-1];
for (i = m-1; i >= x; i--)
{
v += A[i];
if (v > L) L = v;
}
v = 0; R = A[m];
for (i = m; i < y; i++)
{
v += A[i];
if (v > R) R = v;
}
if (L+R > max) max = L+R;
}
int main()
{
#ifdef Local
freopen("a.in", "r", stdin);
#endif
int A[10], sum = 0, i = 0;
for (i = 0; i < 10; i++)
cin >> A[i];
sum = maxsum(A, 0, 10);
cout << sum << endl;
}
(4)(没怎么想)再优,把O(n2)算法稍作修改,便可以得到一个O(n)算法:当j确定时,“S[j]-S[i-1]最大”相当于“S[i-1]最小”,因此只需要扫描一次数组,维护“目前遇到过的最小S”即可。
8.2再谈排序与搜索
8.2.1 归并排序
#include <iostream>
#include <iomanip>
#include <string>
#include <cstring>
#include <cstdio>
#include <queue>
#include <stack>
#include <algorithm>
#include <cmath>
using namespace std;
void merge_sort(int *A, int x, int y, int *T)
{
if (y-x > 1)
{
int m = x + (y-x)/2;
int p = x, q = m, i = x;
merge_sort(A, x, m, T);
merge_sort(A, m, y, T);
while (p < m || q < y)
{
if (q >= y || (p < m && A[p] <= A[q]))
T[i++] = A[p++];
else
T[i++] = A[q++];
}
for (int i = x; i < y; i++)
A[i] = T[i];
}
}
int main()
{
#ifdef Local
freopen("a.in", "r", stdin);
freopen("a.out", "w", stdout);
#endif
int A[10], T[10], i = 0;
for (i = 0; i < 10; i++)
cin >> A[i];
merge_sort(A, 0, 10, T);
for (i = 0; i < 10; i++)
cout << T[i] << ' ';
}
函数判断中用的'||"挺实用,因为满足第一个就不会去判断第二个。
例8-2 逆序对数。
给一列a1,a2,„,an,求它的逆序对数,即有多少个有序对(i,j),使得i<j但ai>aj。n可以高达10^6。
和归并排序一样,例如 4 3 2 1,刚开始分为 4 3 | 2 1 ,两边都有一个逆序对,然后变为 3 4| 1 2,此时如果左边的比右边的大就加上 m-p个。所以2+(2+2) = 6.
else
{
T[i++] = A[q++];
*cnt += m-p;
}
仅是这里不同和函数参数不同。
8.2.2 快速排序
(1)划分问题:数组的各个元素重排后分成左右两部分,使得左边的任意元素都小于或等于右边的任意元素。
(2)递归问题:把左右两部分分别排序;
(3)合并问题:例8-3 第k小的数。不用合并,因为此时数组已经完全有序。
例8-3 第k小的数。
#include <iostream>
#include <iomanip>
#include <string>
#include <cstring>
#include <cstdio>
#include <queue>
#include <stack>
#include <algorithm>
#include <cmath>
using namespace std;
const int N = 100;
int Partition(int a[N], int low, int high)
{
int i = low, j = high+1, x = a[low];
while (true)
{
while (a[++i] < x);
while (a[--j] > x);
if (i >= j) break;
swap(a[i], a[j]);
}
a[low] = a[j];
a[j] = x;
return j;
}
int Select_k(int a[N], int low, int high, int k)
{
int q = Partition(a, low, high);
int pos = q - low + 1;
if (low == high) return a[low];
if (k == pos) return a[q];
else if (k < pos)
return Select_k(a, low, q-1, k);
else
return Select_k(a, q+1, high, k-pos);
return 0;
}
int main()
{
#ifdef Local
freopen("a.in", "r", stdin);
freopen("a.out", "w", stdout);
#endif
int n = 0, k = 0, a[N];
while (cin >> n >> k)
{
for (int i = 0; i < n; i++)
cin >> a[i];
cout << "第" << k << "小数:" << Select_k(a,0,n-1,k) <<endl;
return 0;
}
}
8.2.3 二分查找
(1)先将升序(或降序)输入n个元素到一个数组中;
(2)设low指向数组的低端,high指向数组的高端,mid=(low+high)/2;
(4)若mid所指的元素大于要查找值,表示被查找的元素在low和mid之间,否则,表示被查找的元素在mid和high之间。
(5)修改low或high的值,重新计算mid,继续查找。
#include <iostream>
#include <iomanip>
#include <string>
#include <cstring>
#include <cstdio>
#include <queue>
#include <stack>
#include <algorithm>
#include <cmath>
using namespace std;
int BinSearch(int *a, int x, int y, int v)
{
int m;
while (x < y)
{
m = x + (y-x)/2;
if (v == a[m])
return m;
else if (a[m] > v)
y = m;
else
x = m+1;
}
return -1;
}
int main()
{
#ifdef Local
freopen("a.in", "r", stdin);
freopen("a.out", "w", stdout);
#endif
int A[] = {1,2,3,4,5,6,7,8,9,0};
cout << BinSearch(A, 0, 10, 5) << endl;
}
二分查找的一个缺陷是如果和查找值相等的值有若干个,则可能返回的位置不是我们想要的位置——例如返回第一个的位置,并且如果不存在的时候,也返回一个位置,是的要查找的值插在这个位置上后仍然有序。
int BinSearch(int *a, int x, int y, int v)
{
int m;
while (x < y)
{
m = x + (y-x)/2;
if (a[m] >= v)
y = m;
else
x = m+1;
}
return x;
}
类似可以写出二分查找求上界。