软件设计师——数据结构及算法应用

涉及到的内容：

• 分治法
• 回溯法
• 贪心法
• 动态规划法

分治法

对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n较小）则直接解决；否则将其分解为k个规模较小的子问题，这些子问题互相独立，与原问题形式相同，递归地解决这些子问题，然后将各子问题的解合并得到云问题的解。
特点：

• 该问题的规模缩小到一定程度就可以容易地解决
• 该问题可以分成为若个各规模较小的相同问题
• 利用该问题分解出的子问题的解剋有合并为该问题的解
• 该问题所分解出的各个子问题是相互独立的

分治法——递归技术

递归，就是在运行的过程中调用自己。
例如如下的递归案例

int F(int n)
{
	if(n<=0) return 1;
	if(n==1)return 1;
	if(n>1)return F(n-1)+F(n-2);
}

分治法——二分法查找

二分法查找的前提：有序表

int Binary_Search(L,a,b,x)
{
	if(a>b) return -1;
	else
	{
		m=(a+b)/2;
		if(x==L[m]) return m;
		else if(x>L[m]) return Binary_Search(L,m+1,b,x);
		else if(x<L[m]) return Binary_Search(L,a,m-1,x);
	}
}

回溯法

回溯法是一种优选搜索法，按选优条件向前搜索，以达到目标。但当搜索到某一步时，发现原先选择并不优或达不到的目标，就退回一步重新选择。这种走不通就退回再走的技术就是回溯法。（比如用于解决经典的迷宫问题）

贪心法

总是做出在当前来说时最好的选择，而并不从整体上加以考虑，它所做的每步选择只是当前步骤的局部最优选择，但从整体来说不一定是最优的选择。由于它不必为了寻找最优解而穷尽所有可能解，因此其耗费时间少，一般可以快速得到满意的解，但得不到最优解。
（例如常见在0-1背包问题（每个物品只有一个），每次选择能放入背包！！单位价值！！最高的物品，并不考虑最优！）

动态规划法

在求解问题中，对于每一步决策，列出所有可能的局部解，再依据某种判定条件，舍弃那些肯定不能得到最优解的局部解，在每一步都经过筛选，以每一步都是最优解来保证全局是最优解。（是逻辑上最为复杂的方法，和分治法有些类似）
同分治法的区别，动态规划法涉及到查表的方式