读《计算机常用算法与程序设计教程》

  这本书浅显易懂，除了贪心算法一章后面内容几个例子之外。

  第一章:算法与程序设计简介

 

算法的复杂性分析。。。。

 

  第二章：穷举与回溯

1、穷举：一般平时我写的程序，类似于for，switch之类都是用的穷举法。即使是穷举法，也经常可以做适当的优化使程序运行更快，只是平时写的代码运算量不是很大，计算机处理比较快，没发觉啦，但对循环变量的设置，循环对象选定，都能适当提高效率。

2、回溯：个人认为这个方法挺有意思的，也很适合平时思考问题的方式，如8皇后问题，虽然8皇后可以穷举（12345678-87654321之间），也可以利用回溯，但回溯的效率明显高出很多，这在于回溯的“聪明性”，也就是“碰壁回头”。如不满足要求，就回溯，不朝错的方向走下去。

      回溯的程序也经常有个范式：就是程序的框架差不多相同。如桥本分数式，还有经典的排列组合问题。

 

  第三章：递归与分治

递归与分治经常是不分家的，也是一个代码简洁，可读性比较高的编程思想。它往往能是程序变得更简单，但递归的效率不高，它利用系统堆栈不断的读入与读出，而后面介绍的递推则明显不一样，它不会重复计算很多已经计算过的值，它是从边界条件出发，利用递推关系式计算。

 

第四章 递推

学过数列和数学归纳法的话，感觉递推就是这个意思，找出初值，找出递推关系式，或者说是通项，就能不断的计算出一系列值，得出最后所要的值，如斐波那契数列，幂序列，杨辉三角。猴子爬上问题（挺有意思的，逆推构造通项）

 

第五章 贪心算法

贪心算法非常符合人的逻辑思维，就是像背包问题（0-1背包和可拆背包），要达到所求目标，譬如求效益最大，则可以根据人的思维，是单位重量效益最大的先上船，对于可拆背包的话，最后转不下的那个，就拆一部分；对以0-1的话，这样做未必能得到最优解，但相差一般不会太大，而且计算起来很方便快捷，如果要得到精确的最优解，则需要用动态规划求解，但会在效率上有所损失。

 

第六章动态规划

很时髦的方法，和贪心算法一样，都是求最优解，但一个效率高，一个准确度高。

动态规划中总是会寻求一个递推关系式，也有边界条件。但它和递推算法还是有很多的区别，如动态规划须满足最优性原理，最有子结构，求最优值后，往往会求出最优值的最优决策序列。如对硬币找零钱问题，求种数的话，利用递推（往往是一个求计数的问题，如前面说的猴子爬山）。而寻求一个找最少硬币数的问题，则需要利用动态规划来求解

 

像装载问题，0-1背包，都可以用动态规划求最优解，还有插入乘号问题和求最长子序列探索及最优路径搜索。

关键是寻求一个迭代的式子，找到初值。如m(i,j)表示还能装j重量，可取背包的序号为i，i+1.。。到n的最大装载量值。则可以考虑j和w（i）的大小关系。（w代表重量）j小的话，则和m（i+1，j）相同，如果大于w（i）的话，则可以考虑装不装，装的话，m(i+1,j-w(i))+w(i)，不装的话,则同样为m(i+1,j).很显然，是寻求max。列出递推求解。求解完后再求最优决策序列。