1.递归法
设法将问题分解成一些规模较小的问题,然后从这些小问题的解方便地构造出大问题的解,并且这些规模较小的问题也能采用同样的分解方法和综合方法。递推阶段,把复杂问题的求解推到较简单的问题求解上;回归阶段:获得最简单情况的解后逐级返回,获得稍复杂问题的解。典型用法是菲波那切数列。
通俗讲,递归就是在程序运行的过程中调用自己。如菲波那切数列:
F
0
=
0
,
F
1
=
1
,
F
n
=
F
n
−
1
+
F
n
−
2
F_0 = 0, F_1 = 1 ,F_n = F_{n-1} + F_{n-2}
F0=0,F1=1,Fn=Fn−1+Fn−2
int F(int n)
{
if(n==0) return 0;
if(n==1) return 1;
if(n>1) return F(n-1)+F(n-2);
}
2.分治法
思想:将一个规模较大的问题,分解为一些规模较小的子问题,这些子问题相互独立且与原问题形式相同,递归地解决这些子问题,让后将各子问题的解合并得到原问题的解。步骤:分解,解决,合并
特点:
该问题可以分解为若干规模较小的相同问题
问题的规模缩小到一定的程度可以容易地解决
分解出的子问题的解可以合并为该问题的解
分解出的各个子问题相互独立
二分查找
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
return Binary_Search(L,a,m-1,x);
}
}
3.回溯法
回溯法是一种深度优先的选优搜索法,按选优条件向前搜做,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目标,就退回一步重新选择。这种走不通就退回去再走的技术就是回溯法。
试探部分:扩大规模,满足除规模之外的所有条件,则扩大规模
回溯部分:缩小规模,当前规模解不是合法解时回溯,求完一个解要求下一个解时也要回溯。
典型问题:迷宫问题,N皇后问题
n皇后问题:在n×n格的棋盘上放置n个皇后,任何2个皇后不放在同一行或同一列或同一斜线上。
4.贪心法
总是做出在当前来说是最好的选择,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。
典型问题:背包问题:有N件物品和一个容量为V的背包。第i件物品的费用是c[i],价值是w[i]。求解将哪些物品装入背包可使价值总和最大。
5.动态规划法
在求解问题中,对于每一步决策,列出各种可能的局部解,再依据某种判定条件,舍弃那些肯定不能得到的局部最优解,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。