CSDN博客

文章目录《算法设计与分析》复习提纲1 引言（ch1）1.1 什么是算法及其特征1.2 问题实例和问题规模2 算法初步（ch2）2.1 插入排序算法2.2 算法复杂度及其度量3 函数增长率（ch3）3.1 O\OmicronO符号，Ω\OmegaΩ符号，Θ\ThetaΘ符号O\OmicronO符号Ω\OmegaΩ符号Θ\ThetaΘ符号3.2 标准复杂性函数及其大小关系3.3 和式界的证明方法4 递归关系式（ch4，Sch1）4.1 代入法4.2 迭代法4.3 主定理4.4 补充：递归与分治法4.4.1 Fi

的最短路径相矛盾，所以原问题满足最优性原理。多段图问题满足最优性原理。的最短路径，但其子路径。，显然，该路径长度小于。

上世纪70年代中期开始，国外一些学者致力于研究随机搜索求解困难的组合问题，将随机过程引入搜索;这种以深度优先的方式系统地搜索问题的解的算法称为回溯法，它适用于解一些组合数较大的问题。随机搜索的一个成功例子：判定一个很大的数是不是素数，获得了第一个多项式时间的算法。提高搜索效率的思考：随机搜索。

二项树Bk​是一种递归定义的有序树。如下图所示，二项树B0​只包含一个结点，二项树Bk​由两棵二项树Bk−1​连接而成：其中一棵树的根是另一棵树的根的最左孩子。Bk​2kkiCki​i012⋯kkk−1k−2⋯0iBi​：在一棵包含n个结点的二项树中，任意结点的最大度数为logn。

非形式地说，算法是为实现某个任务而构造的简单指令集。这是一个非严格的算法定义。1900年，Hilbert在巴黎举行的世界数学家大会上提出了23个数学问题，其中第10个问题是要设计一个算法来测试多项式是否有整数根，他没有用算法这个术语，而用这样一句短语： “通过有限多次运算就可以决定的过程”。现在严格地讲，一个问题算法可解的等于该问题在图灵机上可解（可判断）。

在n≥2个点的集合Q中寻找最近点对的问题，“最近”指的是欧几里得距离最小，即点p1​x1​y1​和p2​x2​y2​之间的欧几里得距离dx1​−x2​2y1​−y2​2​最小。集合Q中的两个点可能会重合，这种情况下，它们之间的距离为0。：最近点对问题可以应用于交通控制系统中。为检测出潜在的碰撞事故，在空中或海洋交通控制系统中，需要识别出两个距离最近的交通工具。求平面上n个顶点的最近点对问题，对文件data.txt。

字符串匹配算法在文本文件中查找模式、DNA序列搜寻、网络引擎搜索中都有应用。字符串匹配问题的形式化定义：假设文本是一个长为 nnn 的数组 T[1..n]T[1..n]T[1..n]，而模式是一个长度为 mmm 的数组 P[1..m]P[1..m]P[1..m]，其中 m≤nm \le nm≤n。字符数组 PPP 和 TTT 通常称为字符串。如果 0≤s≤n−m0 \le s \le n-m0≤s≤n−m，并且 T[s+1..s+m]=P[1..m]T[s+1..s+m]=P[1..m]T[s+1..

本章将处理大整数。“大输入”通常指包含“大整数”的输入，而不是包含“很多整数“的输入。因此，我们利用输入所需的位数来度量输入的大小，而不仅仅是输入中整数的数目。给定k个整数输入a1​a2​⋯an​，如果算法可以在关于loga1​loga2​⋯logan​的多项式时间内完成，即算法在关于二进制编码后的输入长度的多项式时间内完成，则称该算法为。（不是很懂🤣）

对于无向图GVE，存在一个能够连接所有顶点的无环子集T⊆E，由于T无环且连接所有顶点，因此T一定为一棵树，被称为。无向图GVE的所有生成树都恰有∣V∣−1条边。设uv∈E的权重为wuv，生成树的权重为wT∑uv∈E​wuv，所有生成树中权重最小的生成树称为。和。

本章将介绍图的表示和图的搜索。图的搜索指的是跟随图中的边来访问图中的每个结点。图搜索是整个图算法领域的核心。22.1介绍图的两种表示方法：邻接链表和邻接矩阵。22.2介绍广度优先搜索（BFS）。22.3介绍深度优搜索（DFS）。

21.1节描述不相交集合数据结构支持的各种操作，并给出一个简单的应用。21.2节使用一种简单链表结构来实现不相交集合。21.3节使用有根树来实现，使用树表示的运行时间理论上好于线性时间，然而对于所有的实际应用它确是线性的。一个不相交集合数据结构（disjoint-set data structure）维护了一组不相交动态集的集合 sets={S1,S2,⋯ ,Sk}sets = \{S_1, S_2, \cdots, S_k\}sets={S1​,S2​,⋯,Sk​}。用集合中的某个成员作为代表（repre

本章主要设计理论分析，感觉第3版讲的不是很好（也有可能是翻译的语句不通顺），这里搬运了知乎上的文章。本章前三节将介绍三种在摊还分析中最常用的方法。16.1 节将介绍聚合分析（aggregate analysis）。16.2 节将介绍核算法（accounting method）。16.3 节将介绍势能法（potential method）。每个方法都将用两个例子进行测试，一个例子是具有 MULTIPOP 操作的栈，另一个例子是具有 INCREMENT 操作的二进制计数器。

求解最优化问题时候通常要经过一串步骤，每一步都有多种选择。对于很多问题来说，用动态规划求最优解就是杀鸡用牛刀，可以使用更简单的算法。（greedy algorithm）在每一步都做出当时看起来是最佳的选择。也就是说，它综述做出局部最优的选择，希望通过局部最优解得到全局最优解。。16.1节将介绍。16.2节将介绍贪心算法的基本原理。16.3节将介绍贪心算法的应用：设计一种数据压缩编码，即**哈夫曼(Huffman)**编码。

（dynamic programming）的思想是和。动态规划方法通常用来求解这类问题可以有很多可行的解，每个解都有一个值，我们希望寻找具有最优值（最小值或最大值）的解。我们称这样的解为问题的（an optimal solution），而不是（the optimal solution），因为可能有多个解都是最优值。步骤1~3是动态规划求解问题的基础。如果我们仅仅需要最优解的一个值，而不是最优解本身，可以忽略步骤4。如果要构造最优解，则必须执行步骤4，步骤3中维护的一些额外信息是构造最优解的基础。

OS树，又称顺序统计树（Order-Statistic tree），是一棵红黑树在每个结点上扩充一个sizesizesize属性而得到的，如下图所示。在红黑树的结点xxx中，除了xkeyxcolorxleftxrightxpxkeyxcolorxleftxrightxp之外，还包括xsizex.sizexsize属性，这个属性包含了以xxx为根的子树（包括xxx。

第12章介绍了一棵高度为h的二叉搜索树，它可以支持任何一种基本动态集合操作，如SEARCHSUCCESSORMINIMUMMAXIMUMINSERT和DELETE等，其时间复杂度均为Oh。因此，如果搜素树的高度较低时，这些操作会执行的较快。然而，如果树的高度较高时，这些操作可能不比在链表上执行得快。（red-black tree）是“平衡”搜索树的一种，可以保证在最坏情况下基本动态集合操作得时间复杂度为Ologn。

一个包含n个元素的集合中的第i个指集合中的第i小的元素。是第1个顺序统计量（i1），是第n个顺序统计量（in9.1节将讨论从集合中找出最小值和最大值的问题。9.2节将分析一个实用的算法，它在元素互异的条件下可以达到On的期望运行时间。9.3节将给出一个更具有理论意义的算法，最坏情况下的运行时间为On。

此前我们已经学习了几种Onlogn的排序算法，这些排序算法都有一个有趣性质，在排序的最终结果中，各元素的次序依赖于它们之间的比较，我们将这类排序称为。8.1节将要证明nΩnlogn。(radix sort)、和这些排序通过其它方法来确定排序顺序。

读取data.txt文件，文件格式如下：第一行为数组长度，第二行为数组（int类型）的内容，将结果数组的数据写在一行内，每个数组中间以空格隔开，输出为sorted.txt。作为枢轴（pivot）（不一定非要选择数组最后一个元素作为枢轴，也可以选择其他元素），并围绕它来划分子数组。思想：在一次分割结束后，将与本次基准相等的元素聚集在一起，再分割时，不再对聚集过的元素进行分割。在最好的情况下，每次划分所取的基准都恰好是中值，即每次划分都产生两个大小为。：取数组的最后一个元素为枢轴，使用指针。

可以看作完全二叉树，其存储结构通常是Alength表示数组元素的个数；Aheap−size表示有多少个堆元素在数组中，0≤Aheap−size≤Alength。假设树的根结点为A1，给定一个结点的下标i和iAPARENTi)]≥AiiAPARENTi)]≤Ai本章中的堆排序以大根堆为例，优先队列以小根堆为例。

回忆在2.3.1中，归并排序使用了分治法。在分治法中，当递归地求解一个问题，在每层递归中执行如下三步骤：分解（Divide）：将问题划分为子问题，子问题的形式与原问题一样，只是规模更小。解决（Conquer）：递归地求解出子问题。如果子问题的规模足够小，则停止递归，直接求解。合并（Combine）：将子问题的解组合成原问题的解。递归情况（recursive case）：子问题足够大，需要递归求解。基本情况（base case）：子问题足够小，可以直接求解，不再需要递归。前言本章中介绍三个

O\OmicronO。

文章目录第2章 算法基础2.1 插入排序（Insertion sort）循环不变式与插入排序的正确性2.2 分析算法（Analyzing algorithms）插入排序算法时间分析最坏情况与平均情况分析2.3 设计算法2.3.1 分治法2.3.2 分析分治算法第2章 算法基础2.1 插入排序（Insertion sort）输入：nnn个数的序列<a1,a2,⋯ ,an><a_1,a_2,\cdots,a_n><a1​,a2​,⋯,an​>输出：输入序列的一个排列&

并产生某个值或某个值的集合作为。