【算法】算法引论

算法引论

参考 : 《数据结构与算法分析》. Mark Allen Weiss. 机械工业出版社

​ 第一章 : 引论

P和NP

P对NP问题是Steve Cook于1971年首次提出。“P/NP问题”，这里的P指多项式时间（Polynomial），一个复杂问题如果能在多项式时间内解决，那么它便被称为P问题，这意味着计算机可以在有限时间内完成计算；NP指非确定性多项式时间（nondeterministic polynomial），一个复杂问题不能确定在多项式时间内解决，假如NP问题能找到算法使其在多项式时间内解决，也就是证得了P=NP。比NP问题更难的则是NP完全和NP-hard，如围棋便是一个NP-hard问题。2010年8月7日，来自惠普实验室的科学家Vinay Deolalikar声称已经解决了“P/NP问题” ，并公开了证明文件。

• P类包含的是在多项式时间内可以解决的问题。
• NP类包含的是在多项式时间内“可验证”的问题。是指给定某一解决方案的“证书”，就能在问题输入规模的多项式时间内，验证该“证书”是正确的。
• P中任何问题都属于NP (即为NP类的子集)，因为若某一问题属于P，则可以在不给出证书的情况下，在多项式时间内解决它。
• 通俗地说，如果一个问题属于NP，且与NP中的任何问题一样“难”的，则说它属于NPC类，即NP完全的（Non-deterministic Polynomial Complete）。
  • 若NP 中的所有问题都能在多项式时间内归约为搜索问题A，那么则称问题A是NP- 完全的 (NPC)。
• $NP=P+NPC$​

处理NP完全问题

• 在实践中，我们必须为这些各种各样的问题找到某种解决办法，因此人们对解决这些问题非常感兴趣。

• （1）修改问题并寻找一种“近似”算法来给出接近但并非最佳的解。

• （2）给出一种能够有效解决实际应用中所出现的问题的实例算法，但对于最坏情况下的输入，这种算法仍然是无法找到问题的解。这种方法最著名的例子是解决整数线性规划问题的程序，尽管它们有可能需要指数级别的时间，但实际应用中的输入数据也显然不是最坏情况下的输入。

• （3）使用一种叫做“回溯法”的技术来避免检查所有可能的解，以期找到尽可能“高效”的指数级别算法。

级数

• $\sum _{i=0}^N{A}^i=\frac{A^{N+1}-1}{A-1}$​​​

• $\sum _{i=0}^N{A}^i\le \frac{1}{1-A},若0<A<1$​​​​​

• $\sum _{i=1}^{N}i=\frac{N(N+1)}{2}$​​​

• $\sum _{i=0}^N{A}^2=\frac{N(N+1)(2N+1)}{6}$​​​

• $\sum _{i=1}^N{i}^k\approx \frac{N^{k+1}}{|k+1|},k\ne -1$​​​​​

• 调和级数 $H_N=\sum _{i=1}^N\frac{1}{i}\approx lo{g}_{e}N$​ 其中近似值的误差趋于 $\gamma \approx 0.57721566$​​ 该值称为欧拉常数

在计算机科学中,除非有特别的声明,否则所有的对数都是以2为底的。

比如 : $logN$ 实际就是 $lo{g}_{2}N$

递归

1. 递归逆序打印输出数。写一个递归程序，逆序打印一个正整数的各位数字。

public class Solution {
    
//	正序输出
	void PrintOut (int n) { 
		if(n>9) {
			PrintOut(n/10);	
		}
		int m = n%10;
		System.out.print(m+" ");
	}
	
//	反序输出
	void printOut(int n){ 
		if ( n!=0) {
			int m = n%10; //把低位先赋值给m
			System.out.print(m+" "); //先输出低位数
			printOut(n/10);  //递归调用, 逐渐输出
		}
	}
			
	public static void main(String[] args) {
		Solution a = new Solution();
		a.PrintOut(1200);
		System.out.println();
		a.printOut(1200);
		}
	
}

输出结果 :

1 2 0 0 
0 0 2 1 

或者 :

public class Solution {	
//    正序输出
	void PrintOut(int n){ 
		if ( n!=0) {
			PrintOut(n/10);  //先递归调用, 再逐渐输出
			n = n%10; //把最高位先输出
			System.out.print(n+" "); //先输出低位数
		}
	}
	
	
//	反序输出
	void printOut(int n){ 
		if ( n!=0) {
			int m = n%10; //把低位先赋值给m
			System.out.print(m+" "); //先输出低位数
			printOut(n/10);  //递归调用, 逐渐输出
			//尾递归 : 如果在从递归调用返回时没有继续的操作要完成，那么这个递归方法就称为尾递归（tail recursive)
		}
	}
	

		
	public static void main(String[] args) {
		Solution a = new Solution();

		a.PrintOut(1200);
		System.out.println();
		a.printOut(1200);
		}	 	
}

输出 :

1 2 0 0 
0 0 2 1 

2. 将欧几里德算法改写为递归算法。

public class Solution {

//	欧几里得算法 (求最大公约数)
	int Gcd(int m, int n) {
		int Rem;
		while(n>0) {
			Rem = m%n;
			m=n;
			n=Rem;
		}
		return m;	
	}
	
	
//	或者用递归实现欧几里得算法
	int gcd(int m, int n) {
		if(n>0) {
			return gcd(n,m%n);
		}else {
			return m;
		}
	}

	
	public static void main(String[] args) {
		Solution a = new Solution();
		int b1 = a.Gcd(16,8);
		int b2 = a.gcd(16,8);
		System.out.println(b1);
		System.out.println(b2);
		}
}