算法设计与分析基础-算法问题求解基础

活动地址：CSDN21天学习挑战赛

算法是问题的程序化解决方案

现在列出在算法设计分析过程中经历的一系列典型步骤，并做简要讨论。

 算法的设计和分析过程

理解问题

从实践角度看，在设计算法之前，我们首先需要对给定的问题有完全的理解。

算法的输入，确定了该算法所解问题的一个实例。严格确定算法需要处理的实例的范围是非常重要的。如果不这样做，算法也许能够正确处理大多数输入，但遇到某些“边界值”时就会出错。正确的算法不仅应该能处理大多数常见情况，而且应该能正确处理所有合法的输入。

因此，不要对算法解题的第一步敷衍了事。否则，就要冒不得不返工的风险。

了解计算设备的性能

一旦完全了解了待处理的问题，我们还要搞清楚将要运行算法的计算设备的性能。如今，类冯·诺伊曼的机器仍是计算机的主流，我们使用的大多数算法的代码仍然注定要运行在这种系统上。这个体系结构的根本在于随机存取机。它最主要的假设是：指令逐条运行，每次执行一步操作。相应地，设计在这种机器上运行的算法为顺序算法。

一些更新式的计算机打破了RAM模型的核心假设，它们可以在同一时间执行多条操作，即并行计算。能够利用这种计算能力的算法称为并行算法。尽管如此，在可预见的未来，RAM模型下的算法设计和分析的经典技术仍然是算法学的基础。

在精确解法和近似解法之间做出选择

前者所对应的算法称为精确算法，后者则称为近似算法。为什么有时要选择近似算法呢？首先，有一些重要的问题再很多情况下的确无法求得精确解，例如求平方根、解非线性方程和求定积分。其次，由于某些问题固有的复杂性，用已知的精确算法来解决该问题可能会慢的让人难以忍受。这种情况往往发生在一个问题涉及数量庞大的选择时。最后，一个近似算法可以作为更复杂的精确算法的一部分。

算法的设计技术

算法设计技术（也称为“策略”或者“范例”）是用算法解题的一般性方法，用于解决不同计算领域的多种问题。

第一，在为新问题设计算法时，它们能够给予指导。所以，学习这样的技术正如“授人以鱼，不如授人以渔”。当然，这并不是说，我们遇到的每个问题都必须应用所有的设计技术。但是放在一起，它们便构成一组强大的工具，为我们日后的学习和工作提供便利。

第二，算法是计算机科学的基础。每一门学科都倾向于对其主要研究对象进行分类，计算机科学也不例外。算法设计技术让我们按照内在设计理念对算法进行分类，所以，设计技术使我们能够以一种自然的方式对算法进行分类和研究。