计算机程序设计艺术卷1:基本算法 1.1习题

jinyongbomatt2008

已于 2024-07-21 01:40:50 修改

阅读量844

点赞数 27

分类专栏：基本算法文章标签：算法

于 2024-07-17 00:09:46 首次发布

本文链接：https://blog.csdn.net/jinyongbomatt2008/article/details/140480153

版权

基本算法专栏收录该内容

4 篇文章 0 订阅

订阅专栏

1.[10]正文中展示了可以利用替换记号，通过置t $\leftarrow$ m,m $\leftarrow$ n,n $\leftarrow$ t,交换变量m和n的值。请说明怎样通过一连串替换，把四个变量（a,b,c,d）重新排列成（b,c,d,a）。换句话说，a的新值是b的初始值，以此类推。试用最少的替换次数实现。

解：除了a，b，c，d 4个变量外，新增一个变量t，通过这5个变量进行连续替换，过程如下：

t $\leftarrow$ a,a $\leftarrow$ b,b $\leftarrow$ c,c $\leftarrow$ d,d $\leftarrow$ t。


public class ExchangeVariables {

    public static void main(String[] args){
        int[] b = new int[]{1,2,3,4};
        int t = b[0];
        for (int i = 0; i < b.length; i++) {
            if((i+1)<b.length){
                b[i] = b[i+1];
            }
        }
        b[b.length-1]=t;

        System.out.println(Arrays.toString(b));
    }
}

最少4次替换实现。

2.[15]证明从步骤E1第二次执行起，每次该步开始时，m必然大于n（第一次执行时可能不满足）。

解：在第一次执行步骤E1后，变量m和n的值分别是n和r原来的值，且n>r。

public class GreatestCommonFactor {
    public static void main(String[] args){
        int m = 119;
        int n = 544;
        int t = 0;
        if(m<n){
            t=m;
            m=n;
            n=t;
        }
        algorithmE(m,n);
    }

    static int algorithmE(int m,int n){
        if(m%n==0){
            System.out.println("最大公约数是："+n);
            return n;
        }else{
            if(m%n > 0){
                int r=(m%n);
                m=n;
                n=r;
                return algorithmE(m,n);
            }
        }
        return 0;
    }
}

3.[20]（为了提高效率）修改算法E，使其避免出现m $\leftarrow$ n之类的平凡替换操作。按照算法E的风格写出这个新算法，将其称为算法F。

解：算法F（欧几里得算法）。给定两个正整数m和n，求它们的最大公因数。

F1.[求m/n的余数。]用n除m，令m为余数。

F2.[余数是否为0？]如果m=0，算法终止，n是答案。

F3.[求n/m的余数。]用m除n，令n为余数。

F4.[余数是否为0？]如果n=0，算法终止，m是答案；否则，返回步骤F1。 I

public class GreatestCommonFactor {
    public static void main(String[] args){
        int m = 119;
        int n = 544;
        int t = 0;
        if(m<n){
            t=m;
            m=n;
            n=t;
        }
        algorithmF(m,n);
    }
    static int algorithmF(int m,int n){
        if(m%n==0){
            System.out.println("最大公约数是："+n);
            return n;
        }else{
            m=(m%n);

            if(m == 0){
                return n;
            }else{
                n = n%m;
                if(n == 0){
                    return m;
                }else{
                    algorithmF(m,n);
                }
            }
        }
        return 0;
    }
}

4.[16]2166与6099的最大公因数是多少？

解：有算法E，n=6099,2166,1767,399,171,57。答案是57。

public class GreatestCommonFactor {
    public static void main(String[] args){
        int m = 2166;
        int n = 6099;
        int t = 0;
        if(m<n){
            t=m;
            m=n;
            n=t;
        }
        algorithmE(m,n);
    }
    static int algorithmE(int m,int n){
        if(m%n==0){
            System.out.println("最大公约数是："+n);
            return n;
        }else{
            if(m%n > 0){
                int r=(m%n);
                m=n;
                n=r;
                return algorithmE(m,n);
            }
        }
        return 0;
    }
}

5.[12]说明“阅读本套书的步骤”其实不是一个真正的算法，因为在算法的五个特征中，它至少缺少三个！另外请指出它与算法E在格式上的差异。

解：它不满足有限性、确定性和可行性，可能没有输出。就格式而言，在操作步号码之前没有字母，未出现概述性短语，而且没有“I”。

6.[20]当n=5时，执行算法E步骤E1的平均次数 $T_{5}$ 是多少？

解：用n=5和m=1,2,3,4,5实验算法E，步骤E1执行的次数分别为2，3，4，3，1。所以步骤E1执行的平均次数是2.6= $T_{5}$ 。

7.[M21] m已知，n在所有正整数范围内取值，令 $U_{m}$ 为算法E中步骤E1执行的平均次数。说明 $U_{m}$ 具有合理定义。 $U_{m}$ 与 $T_{m}$ 有关系吗？

解：除了数目有限的特例以外，n>m总成立。当n>m时，算法E的第1次迭代仅仅交换这两个数，所以 $U_{m}$ = $T_{m}$ +1。例如m=5，n=1,2，...,1,2,3,2,1,3,4,5,4,2,3,4,5,4,2,...的平均次数是3.6。

8.[M25]通过指定式(3)中的 $\theta _{j}$ , $\phi _{j}$ , $a_{j}$ , $b_{j}$ ，给出计算正整数m和n的最大公因数的“可行的”形式算法。令输入由字符串 $a^{m}b^{n}$ 表示，也就是在m个a后连着n个b。你的解法应当力求尽可能简单。[提示：利用算法E，把步骤E1中的除法改为置 $r\leftarrow \left | m-n \right |,n\leftarrow min(m,n).$ ]

解：令A={a,b,c},N=5,算法结束时得到字符串 $a^{gcd(m,n)}.$

$j$ $\theta _{j}$ $\phi _{j}$ $b_{j}$ $a_{j}$

0 ab (空) 1 2 消除一个a和一个b，或者转到2.

1 (空) c 0 0 在最左端加c，转回0.

2 a b 2 3 把所有a变成b.

3 c a 3 4 把所有c变成a.

4 b b 0 5 如果还有b，重复.

每次迭代要么减少m，要么保持m不变并减少n。

9.[M30]假定 $C_{1}=(Q_{1},I_{1},\Omega _{1},f_{1})$ 和 $C_{2}=(Q_{2},I_{2},\Omega _{2},f_{2})$ 是两个计算方法。例如 $C_{1}$ 可以代表式（2）中的算法E，不过要限制m和n的大小；而 $C_{2}$ 可以代表算法E的一个计算机程序实现。（因此 $Q_{2}$ 可以是计算机所以状态的集合，也就是计算机内存和寄存器所以可能得配置； $f_{2}$ 可以是计算机单步操作的定义； $I_{2}$ 可以是初始状态的集合，包括确定最大公因数的相应程序以及m和n的值。）

试就“ $C_{2}$ 是 $C_{1}$ 的一个表示”或者“ $C_{2}$ 模拟 $C_{1}$ ”的概念，给出集合论定义。直观上，这就意味着 $C_{1}$ 的任何计算序列都由 $C_{2}$ 模拟实现，不过 $C_{2}$ 可能要用更多的计算步骤，保留更多的状态信息。（因此，我们得以严格解释“程序X是算法Y的一个实现”这一陈述。）

解：例如，我们说 $C_{2}$ 表示 $C_{1}$ ，如果存在一个从 $I_{1}$ 到 $I_{2}$ 的函数g，一个从 $Q_{2}$ 到 $Q_{1}$ 的函数h，以及一个从 $Q_{2}$ 到正整数集的函数j，满足下列条件：

（a）如果x在 $I_{1}$ 中，那么 $h(g(x))=x$ .

(b)如果q在 $Q_{2}$ 中，那么 $f_{1}(h(q))=h(f_{2}^{[j(q)]}(q))$ ,其中 $f_{2}^{[j(q)]}$ 是指函数 $f_{2}$ 迭代 $j(q)$ 次。

(c)如果q在 $Q_{2}$ 中，那么 $h(q)$ 在 $\Omega _{1}$ 中的充分必要条件为q在 $\Omega _{2}$ 中。

例如，令 $C_{1}$ 按式（2）定义，令 $C_{2}$ 有 $I_{2}$ $=$ $\{(m,n)\}$ , $\Omega _{2}$ $=$ $\{(m,n,d)\}$ ， $Q_{2}$ $=$ $I_{2}\cup \Omega _{2}$ $\cup \{(m,n,a,b,1)\}$ $\cup \{(m,n,a,b,r,2)\}$ $\cup \{(m,n,a,b,r,3)\}$ $\cup \{(m,n,a,b,r,4)\}$ $\cup \{(m,n,a,b,5)\}$ 。令 $f_{2}((m,n))$ $=$ $(m,n,m,n,1)$ ； $f_{2}((m,n,d))$ $=$ $(m,n,d)$ ; $f_{2}((m,n,a,b,1))$ $=$ $(m,n,a,b,a\mod b,2)$ ； $f_{2}((m,n,a,b,r,2))$ $=$ $(m,n,b)$ ，如果r=0，其他情形为 $(m,n,a,r,3)$ ； $f_{2}((m,n,a,b,3))$ $=$ $(m,n,b,b,r,4)$ ； $f_{2}((m,n,a,b,r,4))$ $=$ $(m,n,a,r,5)$ ； $f_{2}((m,n,a,b,5))$ $=$ $f_{2}((m,n,a,b,1))$ 。

现在令 $h((m,n))$ $=$ $g((m,n))$ $=$ $(m,n)$ ； $h((m,n,d))$ $=$ $(d)$ ； $h((m,n,a,b,1))$ $=$ $(a,b,0,1)$ ； $h((m,n,a,b,r,2))$ $=$ $(a,b,r,2)$ ； $h((m,n,a,b,r,3))$ $=$ $(a,b,r,3)$ ； $h((m,n,a,b,r,4))$ $=$ $h(f_{2}((m,n,a,b,r,4)))$ ； $h((m,n,a,b,5))$ $=$ $(a,b,b,1)$ ； $j((m,n,a,b,r,3))$ $=$ $j((m,n,a,b,r,4))=2$ ，其他情形为 $j(q)=1$ 。于是 $C_{2}$ 表示 $C_{1}$ 。

注记：读者可能希望寻找更简单的定义方式，例如令 $g$ 是从 $Q_{1}$ 到 $Q_{2}$ 的函数，并且仅要求当 $x_{0},x_{1},...$ 是 $C_{1}$ 中的计算序列时， $g(x_{0}),g(x_{1}),...$ 是 $C_{2}$ 中以 $g(x_{0})$ 为首项的计算序列的子序列。然而这是不恰当的。在上面的例子中， $C_{1}$ 忽略m和n的原值，但是 $C_{2}$ 未忽略。

如果 $C_{2}$ 通过函数 $g,h,j$ 表示 $C_{1}$ ，而且 $C_{3}$ 通过函数 $g^{'},h^{'},j^{'}$ 表示 $C_{2}$ ，那么 $C_{3}$ 通过函数 $g^{''},h^{''},j^{''}$ 表示 $C_{1}$ ，其中

$g^{''}(x)=g^{'}(g(x)),h^{''}(x)=h(h^{'}(x)),$

并且如果 $q_{0}=q$ 且 $q_{k+1}=f_{3}^{[j^{'}(q_{k})]}(q_{k}),$ 那么

$j^{''}(q)=\sum_{0\leq k<j(h^{'}(q))}j^{'}(q_{k}).$

因此上面定义的关系是传递的。如果函数 $j$ 是有界的，我们可以说 $C_{2}$ 直接表示 $C_{1}$ ，这个关系也是传递的。关系“ $C_{2}$ 表示 $C_{1}$ ”产生一个等价关系，两个计算方法等价显示当且仅当它们计算的函数是同构的；关系“ $C_{2}$ 直接表示 $C_{1}$ ”产生一个更有趣的等价关系，它大概相当于二者“本质上是同一个算法”的直观概念。

关于模拟的另一种定义方法，参阅罗伯特 $\cdot$ 弗洛伊德和理查德 $\cdot$ 贝尔格的《机器的语言》的3.3节[The Language of Machines（Computer Science Press,1994)]。