【蓝桥杯】C语言常见高级算法

🌸个人主页:Yang-ai-cao
📕系列专栏:蓝桥杯    C语言
   🍍博学而日参省乎己,知明而行无过矣

目录

🌸个人主页:Yang-ai-cao

📕系列专栏:蓝桥杯    C语言

🍍博学而日参省乎己,知明而行无过矣

一、动态规划(Dynamic Programming)

例子:斐波那契数列

动态规划解法

例子:0-1 背包问题

动态规划解法

二、贪心算法(Greedy Algorithm)

例子:活动选择问题

贪心算法解法

三、回溯算法(Backtracking)

例子:N皇后问题

回溯算法解法

四、分治算法(Divide and Conquer)

例子:归并排序(Merge Sort)

五、图算法(Graph Algorithms)

例子:Dijkstra 算法(单源最短路径)

贪心算法(Greedy Algorithm)

例子:霍夫曼编码(Huffman Coding)

总结


一、动态规划(Dynamic Programming)

例子:斐波那契数列

动态规划解法
#include <stdio.h>

// 计算斐波那契数列的第 n 项
int fib(int n) {
    // 创建一个数组来存储斐波那契数列
    int f[n+1];
    f[0] = 0;  // 第 0 项是 0
    f[1] = 1;  // 第 1 项是 1

    // 通过迭代计算第 n 项
    for (int i = 2; i <= n; i++) {
        f[i] = f[i-1] + f[i-2];  // 当前项等于前两项之和
    }
    return f[n];  // 返回第 n 项
}

int main() {
    int n = 10;  // 计算第 10 项
    printf("Fibonacci number is %d\n", fib(n));  // 输出结果
    return 0;
}

例子:0-1 背包问题

动态规划解法
#include <stdio.h>

// 返回两个整数中的最大值
int max(int a, int b) { return (a > b) ? a : b; }

// 解决 0-1 背包问题
int knapSack(int W, int wt[], int val[], int n) {
    // 创建一个二维数组 K,用于存储子问题的解
    int K[n+1][W+1];

    // 填充 K 表
    for (int i = 0; i <= n; i++) {
        for (int w = 0; w <= W; w++) {
            if (i == 0 || w == 0) {
                K[i][w] = 0;  // 基本情况:没有物品或容量为 0
            } else if (wt[i-1] <= w) {
                // 选择当前物品或不选择当前物品,取最大值
                K[i][w] = max(val[i-1] + K[i-1][w-wt[i-1]], K[i-1][w]);
            } else {
                K[i][w] = K[i-1][w];  // 当前物品不能放入背包
            }
        }
    }
    return K[n][W];  // 返回最大价值
}

int main() {
    int val[] = {60, 100, 120};  // 物品的价值
    int wt[] = {10, 20, 30};     // 物品的重量
    int W = 50;                  // 背包的容量
    int n = sizeof(val)/sizeof(val[0]);  // 物品的数量
    printf("Maximum value in Knapsack = %d\n", knapSack(W, wt, val, n));  // 输出结果
    return 0;
}

二、贪心算法(Greedy Algorithm)

例子:活动选择问题

贪心算法解法
#include <stdio.h>

// 打印最大数量的可选活动
void printMaxActivities(int s[], int f[], int n) {
    int i = 0;  // 第一个活动总是被选择
    printf("Selected activities: %d ", i);

    // 选择其余活动
    for (int j = 1; j < n; j++) {
        if (s[j] >= f[i]) {  // 如果当前活动的开始时间大于等于上一个活动的结束时间
            printf("%d ", j);
            i = j;  // 更新上一个被选择活动的索引
        }
    }
    printf("\n");
}

int main() {
    int s[] = {1, 3, 0, 5, 8, 5};  // 活动的开始时间
    int f[] = {2, 4, 6, 7, 9, 9};  // 活动的结束时间
    int n = sizeof(s)/sizeof(s[0]);  // 活动的数量
    printMaxActivities(s, f, n);  // 输出结果
    return 0;
}

三、回溯算法(Backtracking)

例子:N皇后问题

回溯算法解法
#include <stdio.h>
#include <stdbool.h>

#define N 4  // 棋盘大小

// 打印棋盘
void printSolution(int board[N][N]) {
    for (int i = 0; i < N; i++) {
        for (int j = 0; j < N; j++) {
            printf(" %d ", board[i][j]);
        }
        printf("\n");
    }
}

// 检查在 board[row][col] 放置皇后是否安全
bool isSafe(int board[N][N], int row, int col) {
    int i, j;

    // 检查当前行的左侧
    for (i = 0; i < col; i++)
        if (board[row][i])
            return false;

    // 检查左上对角线
    for (i = row, j = col; i >= 0 && j >= 0; i--, j--)
        if (board[i][j])
            return false;

    // 检查左下对角线
    for (i = row, j = col; j >= 0 && i < N; i++, j--)
        if (board[i][j])
            return false;

    return true;
}

// 递归解决 N 皇后问题
bool solveNQUtil(int board[N][N], int col) {
    if (col >= N)  // 所有皇后已放置
        return true;

    for (int i = 0; i < N; i++) {
        if (isSafe(board, i, col)) {  // 检查放置在 board[i][col] 是否安全
            board[i][col] = 1;  // 放置皇后

            if (solveNQUtil(board, col + 1))  // 递归放置其余皇后
                return true;

            board[i][col] = 0;  // 回溯:移除皇后
        }
    }
    return false;  // 如果无法放置皇后
}

// 解决 N 皇后问题
bool solveNQ() {
    int board[N][N] = { {0, 0, 0, 0},
                        {0, 0, 0, 0},
                        {0, 0, 0, 0},
                        {0, 0, 0, 0} };

    if (solveNQUtil(board, 0) == false) {
        printf("Solution does not exist");
        return false;
    }
    printSolution(board);  // 打印解决方案
    return true;
}

int main() {
    solveNQ();  // 解决问题
    return 0;
}

四、分治算法(Divide and Conquer)

例子:归并排序(Merge Sort)

#include <stdio.h>

// 合并两个子数组
void merge(int arr[], int l, int m, int r) {
    int n1 = m - l + 1; // 左子数组的大小
    int n2 = r - m; // 右子数组的大小
    int L[n1], R[n2]; // 临时数组

    // 复制数据到临时数组 L[] 和 R[]
    for (int i = 0; i < n1; i++)
        L[i] = arr[l + i];
    for (int j = 0; j < n2; j++)
        R[j] = arr[m + 1 + j];

    // 合并临时数组到 arr[l..r]
    int i = 0, j = 0, k = l;
    while (i < n1 && j < n2) {
        if (L[i] <= R[j]) {
            arr[k] = L[i];
            i++;
        } else {
            arr[k] = R[j];
            j++;
        }
        k++;
    }

    // 复制 L[] 剩余元素
    while (i < n1) {
        arr[k] = L[i];
        i++;
        k++;
    }

    // 复制 R[] 剩余元素
    while (j < n2) {
        arr[k] = R[j];
        j++;
        k++;
    }
}

// 归并排序
void mergeSort(int arr[], int l, int r) {
    if (l < r) {
        int m = l + (r - l) / 2; // 找到中点
        mergeSort(arr, l, m); // 排序左半部分
        mergeSort(arr, m + 1, r); // 排序右半部分
        merge(arr, l, m, r); // 合并已排序的部分
    }
}

// 打印数组
void printArray(int A[], int size) {
    for (int i = 0; i < size; i++)
        printf("%d ", A[i]);
    printf("\n");
}

int main() {
    int arr[] = {12, 11, 13, 5, 6, 7};
    int arr_size = sizeof(arr) / sizeof(arr[0]);

    printf("Given array is \n");
    printArray(arr, arr_size);

    mergeSort(arr, 0, arr_size - 1);

    printf("\nSorted array is \n");
    printArray(arr, arr_size);
    return 0;
}

五、图算法(Graph Algorithms)

例子:Dijkstra 算法(单源最短路径)

#include <stdio.h>
#include <limits.h>
#include <stdbool.h>

#define V 9 // 顶点数量

// 找到最小距离的顶点
int minDistance(int dist[], bool sptSet[]) {
    int min = INT_MAX, min_index;
    for (int v = 0; v < V; v++)
        if (sptSet[v] == false && dist[v] <= min)
            min = dist[v], min_index = v;
    return min_index;
}

// 打印解
void printSolution(int dist[], int n) {
    printf("Vertex \t Distance from Source\n");
    for (int i = 0; i < V; i++)
        printf("%d \t\t %d\n", i, dist[i]);
}

// Dijkstra 算法
void dijkstra(int graph[V][V], int src) {
    int dist[V]; // 最短距离数组
    bool sptSet[V]; // sptSet[i] 为 true 表示顶点 i 已包含在最短路径树中

    // 初始化所有距离为无穷大,sptSet[] 为 false
    for (int i = 0; i < V; i++)
        dist[i] = INT_MAX, sptSet[i] = false;

    dist[src] = 0; // 源顶点距离为 0

    for (int count = 0; count < V - 1; count++) {
        int u = minDistance(dist, sptSet); // 选取最小距离顶点
        sptSet[u] = true; // 标记为已处理

        for (int v = 0; v < V; v++)
            if (!sptSet[v] && graph[u][v] && dist[u] != INT_MAX && dist[u] + graph[u][v] < dist[v])
                dist[v] = dist[u] + graph[u][v]; // 更新距离
    }

    printSolution(dist, V); // 打印结果
}

int main() {
    int graph[V][V] = { {0, 4, 0, 0, 0, 0, 0, 8, 0},
                        {4, 0, 8, 0, 0, 0, 0, 11, 0},
                        {0, 8, 0, 7, 0, 4, 0, 0, 2},
                        {0, 0, 7, 0, 9, 14, 0, 0, 0},
                        {0, 0, 0, 9, 0, 10, 0, 0, 0},
                        {0, 0, 4, 14, 10, 0, 2, 0, 0},
                        {0, 0, 0, 0, 0, 2, 0, 1, 6},
                        {8, 11, 0, 0, 0, 0, 1, 0, 7},
                        {0, 0, 2, 0, 0, 0, 6, 7, 0} };

    dijkstra(graph, 0); // 调用 Dijkstra 算法

    return 0;
}

贪心算法(Greedy Algorithm)

例子:霍夫曼编码(Huffman Coding)

#include <stdio.h>
#include <stdlib.h>

#define MAX_TREE_HT 100

// 最小堆节点
struct MinHeapNode {
    char data; // 字符
    unsigned freq; // 频率
    struct MinHeapNode *left, *right; // 左右子节点
};

// 最小堆
struct MinHeap {
    unsigned size; // 当前大小
    unsigned capacity; // 容量
    struct MinHeapNode **array; // 数组指针
};

// 创建新节点
struct MinHeapNode* newNode(char data, unsigned freq) {
    struct MinHeapNode* temp = (struct MinHeapNode*)malloc(sizeof(struct MinHeapNode));
    temp->left = temp->right = NULL;
    temp->data = data;
    temp->freq = freq;
    return temp;
}

// 创建最小堆
struct MinHeap* createMinHeap(unsigned capacity) {
    struct MinHeap* minHeap = (struct MinHeap*)malloc(sizeof(struct MinHeap));
    minHeap->size = 0;
    minHeap->capacity = capacity;
    minHeap->array = (struct MinHeapNode**)malloc(minHeap->capacity * sizeof(struct MinHeapNode*));
    return minHeap;
}

// 交换两个最小堆节点
void swapMinHeapNode(struct MinHeapNode** a, struct MinHeapNode** b) {
    struct MinHeapNode* t = *a;
    *a = *b;
    *b = t;
}

// 最小堆化
void minHeapify(struct MinHeap* minHeap, int idx) {
    int smallest = idx;
    int left = 2 * idx + 1;
    int right = 2 * idx + 2;

    if (left < minHeap->size && minHeap->array[left]->freq < minHeap->array[smallest]->freq)
        smallest = left;

    if (right < minHeap->size && minHeap->array[right]->freq < minHeap->array[smallest]->freq)
        smallest = right;

    if (smallest != idx) {
        swapMinHeapNode(&minHeap->array[smallest], &minHeap->array[idx]);
        minHeapify(minHeap, smallest);
    }
}

// 检查是否只有一个元素
int isSizeOne(struct MinHeap* minHeap) {
    return (minHeap->size == 1);
}

// 提取最小值节点
struct MinHeapNode* extractMin(struct MinHeap* minHeap) {
    struct MinHeapNode* temp = minHeap->array[0];
    minHeap->array[0] = minHeap->array[minHeap->size - 1];
    --minHeap->size;
    minHeapify(minHeap, 0);
    return temp;
}

// 插入节点到最小堆
void insertMinHeap(struct MinHeap* minHeap, struct MinHeapNode* minHeapNode) {
    ++minHeap->size;
    int i = minHeap->size - 1;

    while (i && minHeapNode->freq < minHeap->array[(i - 1) / 2]->freq) {
        minHeap->array[i] = minHeap->array[(i - 1) / 2];
        i = (i - 1) / 2;
    }
    minHeap->array[i] = minHeapNode;
}

// 构建最小堆
void buildMinHeap(struct MinHeap* minHeap) {
    int n = minHeap->size - 1;
    for (int i = (n - 1) / 2; i >= 0; --i)
        minHeapify(minHeap, i);
}

// 打印数组
void printArr(int arr[], int n) {
    for (int i = 0; i < n; ++i)
        printf("%d", arr[i]);
    printf("\n");
}

// 检查是否是叶子节点
int isLeaf(struct MinHeapNode* root) {
    return !(root->left) && !(root->right);
}

// 创建并构建最小堆
struct MinHeap* createAndBuildMinHeap(char data[], int freq[], int size) {
    struct MinHeap* minHeap = createMinHeap(size);

    for (int i = 0; i < size; ++i)
        minHeap->array[i] = newNode(data[i], freq[i]);
    minHeap->size = size;
    buildMinHeap(minHeap);
    return minHeap;
}

// 构建霍夫曼树
struct MinHeapNode* buildHuffmanTree(char data[], int freq[], int size) {
    struct MinHeapNode *left, *right, *top;
    struct MinHeap* minHeap = createAndBuildMinHeap(data, freq, size);

    while (!isSizeOne(minHeap)) {
        left = extractMin(minHeap);
        right = extractMin(minHeap);

        top = newNode('$', left->freq + right->freq);
        top->left = left;
        top->right = right;

        insertMinHeap(minHeap, top);
    }
    return extractMin(minHeap);
}

// 打印霍夫曼编码
void printCodes(struct MinHeapNode* root, int arr[], int top) {
    if (root->left) {
        arr[top] = 0;
        printCodes(root->left, arr, top + 1);
    }

    if (root->right) {
        arr[top] = 1;
        printCodes(root->right, arr, top + 1);
    }

    if (isLeaf(root)) {
        printf("%c: ", root->data);
        printArr(arr, top);
    }
}

// 霍夫曼编码
void HuffmanCodes(char data[], int freq[], int size) {
    struct MinHeapNode* root = buildHuffmanTree(data, freq, size);
    int arr[MAX_TREE_HT], top = 0;
    printCodes(root, arr, top);
}

int main() {
    char arr[] = {'a', 'b', 'c', 'd', 'e', 'f'};
    int freq[] = {5, 9, 12, 13, 16, 45};
    int size = sizeof(arr) / sizeof(arr[0]);

    HuffmanCodes(arr, freq, size); // 调用霍夫曼编码

    return 0;
}

总结

  • 分治算法通过递归地将问题分解为子问题,解决这些子问题然后合并其解,适用于排序、搜索等问题。
  • 图算法如Dijkstra算法,通过逐步扩展最短路径树,找到图中从单个源到所有其他顶点的最短路径。
  • 贪心算法如霍夫曼编码,通过每一步选择局部最优解,最终构建出全局最优解,适用于数据压缩等问题。
  • 贪心算法每一步都选择当前最优的选择,适用于能够通过局部最优达到全局最优的问题。
  • 回溯算法系统地搜索所有可能的解,通过尝试构建解并在不满足条件时回溯,适用于需要探索所有可能解的问题。
  • 动态规划通过存储子问题的解来避免重复计算,适用于有重叠子问题和最优子结构的问题。

     
  • 10
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值