五大常规算法:分治法,动态规划算法,回朔法,贪心算法,分支定界法

五大常规算法

两部分组成:
分（divide）：递归解决较小的问题
治（conquer）：然后从子问题的解构建原问题的解

三个步骤

1. 分解（Divide）：将原问题分解为若干个规模较小，相互独立，与原问题形式相同的子问题；
2. 解决（Conquer）：若子问题规模较小而容易被解决则直接解决，否则递归地解各个子问题；
3. 合并（Combine）：将各个子问题的解合并为原问题的解.

将 16 枚硬币分为左右两个部分，各为 8 个硬币，分别称重，必然会有一半轻一半重，而我们要的就是轻的那组,重 的舍去。接下来我们继续对轻的进行五五分

动态规划算法

分治法核心思想:从上往下分析问题，大问题可以分解为子问题，子问题中还有更小的子问题

1. 动态规划也是一种分治思想，但与分治算法不同的是，分治算法是把原问题分解为若干子问题， 自顶向下，求解各子问题，合并子问题的解从而得到原问题的解。
2. 动态规划也是自顶向下把原问 题分解为若干子问题，不同的是，然后自底向上，先求解最小的子问题，把结果存储在表格中， 在求解大的子问题时，直接从表格中查询小的子问题的解，避免重复计算，从而提高算法效率。

什么时候要用动态规划？

1. 如果要求一个问题的最优解（通常是最大值或者最小值），而且该问题能够分解成若干个子问题， 并且小问题之间也存在重叠的子问题，则考虑采用动态规划。

怎么使用动态规划？

1. 判题题意是否为找出一个问题的最优解
2. 从上往下分析问题，大问题可以分解为子问题，子问题中还有更小的子问题
3. . 从下往上分析问题 ，找出这些问题之间的关联
4. 讨论底层的边界问题
5. 解决问题（通常使用数组进行迭代求出最优解）

回溯算法

1. 在问题的解空间中，按深度优先遍历策略，从根节点出发搜索解空间树。
2. 算法搜索至解空间 的任意一个节点时，先判断该节点是否包含问题的解。
3. 如果确定不包含，跳过对以该节点为根的 子树的搜索，逐层向其祖先节点回溯，否则进入该子树，继续深度优先搜索。
4. 回溯法解问题的所有解时，必须回溯到根节点，且根节点的所有子树都被搜索后才结束。回 溯法解问题的一个解时，只要搜索到问题的一个解就可结束。

回溯的基本步骤:

1. 定义问题的解空间
2. 确定易于搜索的解空间结构
3. 以深度优先搜索的策略搜索解空间，并在搜索过程中尽可能避免无效搜索

贪心算法

特点:

1. 贪婪算法(贪心算法)是指在对问题进行求解时，在每一步选择中都采取最好或者最优(即最有利)的选择，从而希望能够导致结果是最好或者最优的算法。
2. 贪婪算法所得到的结果往往不是最优的结果(有时候会是最优解)，但是都是相对近似(接近)最 优解的结果。
3. 贪婪算法并没有固定的算法解决框架，算法的关键是贪婪策略的选择，根据不同的问题选择 不同的策略。

基本思路:

1. 建立数学模型来描述问题
2. 把求解的问题分成若干个子问题
3. 对每一子问题求解，得到子问题的局部最优解
4. 把子问题对应的局部最优结合成原来整个问题的一个近似最优解

分支定界法

特点:

1. 分支定界 (branch and bound) 算法是一种在问题的解空间上搜索问题的解的方法。
2. 但与回溯算法不同，分支定界算法采用广度优先或最小耗费优先的方法搜索解空间树，并且，在分支定界算 法中，每一个活结点只有一次机会成为扩展结点。

利用分支定界算法对问题的解空间树进行搜索，它的搜索策略是：

1. 产生当前扩展结点的所有孩子结点；
2. 在产生的孩子结点中，抛弃那些不可能产生可行解（或最优解）的结点；
3. 将其余的孩子结点加入活结点表；
4. 从活结点表中选择下一个活结点作为新的扩展结点。
5. 如此循环，直到找到问题的可行解（最优解）或活结点表为空。

从活结点表中选择下一个活结点作为新的扩展结点，根据选择方式的不同，分支定界算法通 常可以分为两种形式：

1. FIFO(First In First Out) 分支定界算法：按照先进先出原则选择下一个活结点作为扩展结 点，即从活结点表中取出结点的顺序与加入结点的顺序相同。
2. 最小耗费或最大收益分支定界算法：在这种情况下，每个结点都有一个耗费或收益。
3. 假如要查找一个具有最小耗费的解，那么要选择的下一个扩展结点就是活结点表中具有最小 耗费的活结点.
4. 假如要查找一个具有最大收益的解，那么要选择的下一个扩展结点就是活 结点表中具有最大收益的活结点。