一、概述
算法基本概念
算法是一系列解决问题的清晰指令，也就是说，对于符合一定规范的输入，算法能够在有限时间内获得所要求的输出。
算法是解决问题的一种方法或过程，它是由若干条指令组成的有穷序列。
当设计与实现算法是一种工程行为时，我们需要在资源有限的情况下，在互斥的目标之间做权衡，设计者的时间也是这样一种资源。
算法的特征
输入：有零或多个外部量作为算法的输入。
输出：算法产生至少一个量作为输出。
确定性：组成算法的每条指令清晰、无歧义。
有效性：算法中执行的任何计算步骤都是可以被分解 为基本的可执行的操作步。
有限性：算法中每条指令的执行次数有限，执行每条 指令的时间也有限。
二、算法算法效率的度量
算法效率的度量
算法效率的高低体现在运行该算法所需要耗费资源的多少，对于计算机来讲，最重要的资源是时间和空间，因此，算法效率又可分为时间效率和空间效率。
函数的渐进的界
算法复杂性分析
算法复杂性分析基本步骤：
（1）确定表示输入规模的参数。
（2）找出算法的基本操作。
（3）检查基本操作的执行次数是否只依赖于输入规模。这决定是否需要考虑最差、平均以及最优情况下的复杂性。
（4）对于非递归算法，建立算法基本操作执行次数的求和表达式；对于递归算法，建立算法基本操作执行次数的递推关系及其初始条件。
（5）利用求和公式和法则建立一个操作次数的闭合公式， 或者求解递推关系式，确定增长的阶。
递归算法的复杂性分析
三、蛮力法
四、分治法
基本步骤
划分：既然是分治，当然需要把规模为n的原问题划分为k个规模较小的子问题，并尽量使这k个子问题的规模大致相同。
求解子问题：各子问题的解法与原问题的解法通常是相同的，可以用递归的方法求解各个子问题，有时递归处理也可以用循环来实现。
合并：把各个子问题的解合并起来，合并的代价因情况不同有很大差异，分治算法的有效性很大程度上依赖于合并的实现。
复杂度分析
递推方程：
迭代法求得：
五、动态规划
基本思想
动态规划是一种使多阶段决策过程最优的通用方法。
动态规划算法与分治法类似，其思想把求解的问题分成许多阶段或多个子问题，然后按顺序求解各子问题。最后一个阶段或子问题的解就是初始问题的解。
动态规划基本思想是保留已解决的子问题的解，在需要时再查找已求得的解，就可以避免大量重复计算，进而提升算法效率。
基本步骤
（1）找出最优解的性质，并刻画其结构特征。
（2）递推地定义最优值。
（3）以自底向上的方式计算出最优值。
（4）根据计算最优值时得到的信息，构造最优解。
要素 ：最优子结构、重叠子问题 、 备忘录（表格）
矩阵连乘问题
实例：
凸多边形最优三角剖分（类似矩阵连乘）
递归方程：
最长公共子序列（LCS)
实例：
电路布线问题
图像压缩问题
最大子段和问题
投资问题
0-1背包
递推方程：
0-N背包
递推方程：
6396
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
