编程思想

最新推荐文章于 2022-07-25 22:32:27 发布

eclipse_xu

最新推荐文章于 2022-07-25 22:32:27 发布

阅读量2.8k

点赞数

分类专栏：编程基础

编程基础专栏收录该内容

31 篇文章 1 订阅

订阅专栏

现实生活中有很多问题，人为不好解决，但利用计算机速度快，不出错的特性，可以很方便的解决这些问题，下面简单说说我在程序设计中解决实际问题的一些常见思想，高手可以忽略掉，我也是无聊了随便写写而已。

1.枚举最优解时的情况

有很多问题初看很棘手，但经过仔细的分析，可以得出一些显然的结论。

比如下面这个问题：平面内有上千个点，用一个半径为R的圆去覆盖，最多能覆盖多少点？

很多程序员最暴力的思想就是枚举，当然，利用计算机枚举确实是一种很有效的方法，特别是在数据很小的情况下，不过对于上述问题，如何枚举？枚举圆的位置吗？

确实可以枚举圆的位置，如果不经过思考的话可以再二维正交系内枚举每个点为圆心，然后判断这个圆能覆盖多少圆，最后结果取最大。这个确实是一种方法，不过枚举圆心如何操作？圆心的位置是连续的，不一定是整点这种离散位置。在数据量小并且精度要求不高的情况下，直接枚举圆心位置不失为一种好方法。不过稍微分析一下，可以得出这样一个结论，最优解的圆，也就是覆盖点数最多的R半径圆，圆上一定有2个点。

假设最优解的圆上没有2个点，如上图，那么通过微量的平移操作，可以使圆接触平面上的2个点，并且园内的点数不会减少，它的结果不会比圆上没有2个点的情况差，因为只要求最多覆盖多少点，我们可以枚举任意2个点，这样这个半径为R的圆的位置就确定了（在这2点中垂线上，2中情况），再判断下这个圆能覆盖多少点，两两点枚举后取最大，这是一个O(n^3)的算法，1秒内出结果，已经比较高效了。

所以很多时候我们可以分析出最优解是满足哪种情况的，然后利用计算机特性枚举最优解，逆向思维解决问题。

2.动态规划思想

动态规划是一种非常高效的方法，这个编程里面非常非常常见的，不会搜索和动态规划，基本就不会编程。如果能够把一个大的问题划分成若干同类型的小问题，小问题又可以划分为更小的问题，直到问题程度小到一眼就能看出来，那么可以把小问题先求出保存起来，再求大问题，这样的例子相当多，而且利用递归的写法，记忆化深度搜索，很容易实现这种思想。经典的动态规划还有很多，最长上升子序列，背包问题等等。

如果还有同学不明白动态规划，看下面这一段C语言代码，相信能体会到一些。

 
        /****************** 
       
        Author: lxgsbqylbk 
       
        Function : Get the factorial of integer n (n>=0) 求n的阶乘 
       
        n!= 
       
        1   n==0 
       
        n*(n-1)!  n>0 
       
        ****/ 
       
        //完成动态规划一般2中思路 
       
        //1.记忆化深搜 
       
        int 
         fac[MAXN]; 
       
        int 
         F( 
        int 
         n) 
       
        { 
       
        return 
         n?(fac[n]?fac[n]:fac[n]=n*F(n-1)):1; 
       
        } 
       
        //2.规划方向后求解 
       
        int 
         fac[MAXN]; 
       
        for 
        (fac[0]=1,i=1;i<=N;i++) 
       
        { 
       
        fac[i]=fac[i-1]*i; 
       
        }

3.排序思想

排序是一个很重要的步骤，有很多问题通过排序预处理后可以更加方便的解决，比如有很多张钞票，面值不同，从中选出m张使它们价值最大，一个做法当然是对着些钞票按照面值从大到小排序，然后取钱m张就行了。很多时候，上述的动态规划需要对变量按照一定规则排序后才能操作，有一定顺序了之后，问题一般更容易解决。

说到排序，不得不说到贪心算法。贪心算法就是如果整个大问题要到达一个最优解，在构成大问题的小问题中每次取最优的，大问题就能到达最优情况，当然，这种策略需要经过证明正确性后才能实现。很多贪心过程前也要有排序的工作，比如著名的Kruscal最小生成树算法，要先对边进行排序，所以排序是个很重要的过程，以至于它被收录到各种语言的库函数中，可以方便的被用户调用。

4.二分，三分。

前几天听同学说，现在8K已经招不到会写二分的程序员了，当然这句话有夸张的成分啦，^-^ 可见二分在程序设计中的常用性。

其实这个可以并列到枚举算法那中，只是这种枚举效率很高，很多地方比如SQL数据库里面的查找方式就是二分，二分枚举，三分枚举，时间复杂度都是对数级的，在程序设计中是相当高效的算法。

二分的条件：数据的单调性。比如在一组从小到大排序的数中寻找数x 这样就可以二分枚举每次可以把范围缩小一半，无论数据多大，就算超出int类型，都能很快找出来。

比如求函数8*x^4 + 7*x^3 + 2*x^2 + 3*x + 6 == K 在区间[0,100]的解由于这个函数在[0,100]是单调递增的，所以二分是个不错的选择。

三分的条件: 数据的有凸性。