Warren_Hoo的专栏

0-1背包问题的解决思路如下：假设可选物品的个数为SIZE，用0~SIZE-1分别表示每个物品的索引号，数组w[SIZE]表示每个物品的重量，数组v[SIZE]表示每个物品的价值，f(i, aw)表示当可选取的物品索引号在0~i之间，并且背包还可以容纳的重量为aw时的最大价值。则有如下4中情况：当i=0且w[i]>aw时，f(i, aw)=0当i=0且w[i]当i>0且w[i]

如果一个递归算法需要对相同的子问题进行多次重复计算，那么我们通常可以采用动态规划对其进行优化。动态规划的具体实现可以分为两类：一类是自顶向下的备忘录方法，这种方法只需要对原始的递归算法进行少量的改动，增加一个子问题解的记录，每当需要用到一个子问题的解时，首先查看这个记录，如果记录中存在需要的解，则可直接得到，如果不存在，则递归求解，并将结果记录下来。另一类是自底向上的迭代方法，这种方法从最基本

冒泡排序的原始版本：基本思想是在每一轮循环中，两两比较两个相邻的元素，如果两个元素是无序的则交换，这样每轮循环过后，都将本轮最大的元素移动到了正确的位置。void BubbleSort0(int A[], int N){ int i, j, temp; for(i = 0; i < N; ++i){ for(j = 0; j < (N - i - 1); ++j){ if(A[j]

选择排序基本思想：每轮循环都做如下工作，选择本轮元素中的最小值并与相应位置的元素交换。void SelectSort(int A[], int N){ int i, j, minVal, minInd; for(i = 0; i < N; ++i){ minVal = A[i]; minInd = i; for(j = i + 1; j < N; ++j){ if(minV

快速排序(Quick Sort)算法思想：采用分治法，首先选取一个主元，再将整个数组一分为二，使其中一个子数组的所有元素均小于等于主元，另外一个子数组的所有元素均大于主元，然后对两个子数组分别采用上述过程进行操作，所以这是一个递归算法。这里的主元是随机选取的，所以这里的快速排序算法应该叫做随机快速排序算法。快速排序算法的时间性能上界是O(N2)，随机快速排序算法的时间性能平均值是O(N

归并排序(Merge Sort)算法思想：采用分治法，首先将整个数组一分为二，然后将两个子数组分别排列为有序数组，再将两个有序子数组合并为一个有序子数组。其中第二步中对子数组的排序过程也采用上述过程进行，所以这是一个递归算法。归并排序的时间性能上界是O(NlogN)。由于在合并两个有序子数组时需要额外的存储空间，并且还有将数据拷贝到临时数组再拷贝回来的时间开销，所以归并排序不适合内部排

堆排序(Heap Sort)算法思路：首先将待排序数组构造为大顶堆，大顶堆是一棵完全二叉树，而且每棵子树的根节点都是该子树的最大值。然后将堆顶元素与此时堆的最后一个元素交换，并将堆的规模减一，再构造一个新的大顶堆，循环进行下去直到堆中剩下一个元素为止，此时排序完成。构造大顶堆是通过下滤操作完成的。堆排序的时间性能上界为O(NlogN)。 #define LeftChild(i) (

插入排序(Insert Sort)void InsertSort( int A[], int N ){         int i, j, key;                  for(i = 1; i                    key= A[i];                   for(j = i; j >= 1; j -= 1 ){

计数排序(Counting Sort)前提条件：有N个介于0到MAX_ELEMENT之间的整数存于数组A中，使用计数排序后将结果存于数组B中。计数排序的时间性能上界为O(MAX_ELEMENT+N)，该算法适用于MAX_ELEMENT较小的情况，例如若MAX_ELEMENT=O(N)，则计数排序的性能为O(N)。#define MAX_ELEMENT 99void