《算法设计与分析基础》复习笔记

date: 2021-12-28

期末复习系列

《The Design and Analysis of Algorithms》Anany Levitin 著 潘彦 译

---

第一章 绪论

1.1 算法

算法：一系列解决问题的明确指令 【对于符合一定规范的输入，能够在有限时间内获得要求的输出】

要点：

1. 算法的每一步都不能有 歧义
2. 必须认真确定算法所处理的 输入的值域
3. 同一算法可以用几种不同的形式来描述
4. 同一问题可能存在几种不同的算法
5. 同一问题的不同解法，解题速度可能也显著不同

举例：
最大公约数算法：

1. 欧几里得算法
   gcd(m,n)=gcd(n,m mod n)，因为 gcd(m,0)=m 所以m最后的取值即是 m和n初值的最大公约数。
2. 连续整数检测算法
   [不能处理其中一个input是0的情况]
3. 中学算法
   [注意：该方法用 埃式筛法来处理质数序列的话，是无法处理一个及以上input是1的情况的(1不是质数) ]

参照之前整理的 质数相关Blog

1.2 算法问题求解基础

算法是问题的程序化 解决方案(获得答案的精确指令)

理解问题

算法的输入 确定了该算法所解问题的一个实例(instance)

严格确定算法需要处理的实例范围是非常重要的 [例如上面的三种最大公约数算法，它们能够处理的实例范围是不同的]

正确的算法要能够正确处理 所有合法的输入 [特例、边界值]

了解计算设备的性能

计算机主流：冯诺依曼体系结构 （其根本：随机存取机RAM）

它的主要假设是：指令逐条运行，每次执行一步操作。 => 设计在这种机器上运行的算法称为 顺序算法

=> 一些更新式计算机打破了RAM模型的假设，能够在同一时间执行多条操作 并行计算 ，能够利用这种计算能力的算法称为 并行算法

对于某些 需要处理海量数据的 非常复杂的问题 /处理 对时间很敏感 的应用，需要考虑计算机系统的速度和存储限制。[一般作为科学实验 可以不用]

精确解法和近似解法之间的权衡

精确算法：

近似算法：某些重要问题无法求得精确解（eg.求平方根/解非线性方程/求定积分）；问题所具有的固有复杂性，导致计算很慢（eg.某问题涉及数量庞大的选择）。

一个近似算法可以作为更复杂精确算法的一部分

算法的正确性证明

算法的描述：文字 / 伪代码

算法的正确性证明：必须证明对于每一合法输入，该算法都会在有限的时间内输出一个需要的结果。

证明正确性的一般方法是使用 数学归纳法 ，因为算法的迭代过程本就符合这种证明所需要的一系列步骤。

对于近似算法的正确性证明，我们通常试图证明该算法所产生的 误差不超出预定义的范围 。

算法的分析

算法需要具备的几个重要特性：正确性、效率（时间效率、空间效率）、简单性、一般性。

时间效率：算法运行有多快 空间效率：算法需要多少 额外(除了存储算法本身，另外需要的空间) 的存储空间

一般性：1.算法所解决问题的一般性 2. 算法所接受的输入的一般性

1.3 重要问题类型

排序算法

两个特性：

1. 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 ，就是 稳定的。
2. 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)，就是在位的。

查找

对于查找而言，也没有一种算法在任何情况下都是最优的。有些算法速度快，但是需要更多的存储空间；有些算法速度非常快，但仅适用于有序数组。

图问题

基本的图算法包括：图的遍历算法、最短路算法、有向图的拓扑排序。

两个经典问题：旅行商问题（找出访问n个城市的最短路径，并保证每个城市只访问一次）、图着色问题（用最少种类的颜色为图中的顶点填色，并保证邻接顶点的颜色不同）

几何问题

两个经典问题：最近点对问题（求给定平面上的n个点中 距离最近 的两个点）、凸包问题（找一个能把给定集合中所有点都包含在里面的最小凸多边形）。

数值问题

对于大多数 例如解方程组、求定积分、求函数值等 涉及连续性的数学问题，我们都只能求近似解。

困难：这类问题一般都要操作实数，而实数在计算机内部只能近似表示。且对近似数的大量算数操作可能会将大量 舍入误差 叠加起来，导致非常糟糕的结果。

1.4 基本数据结构

第二章 算法效率分析基础