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