软考145-下午题-【试题四】：回溯法、分治法、动态规划法

一、分值与目标

注意：

问题一：代码填空，分值最高，一般一个空可能占2分！！！

做题顺序：

因为试题四最难（可能一年难，一年简单），所以建议：先做试题一、二、三、五（六），最后在做试题四！

二、回溯法

上午题、下午题，考的次数不多。考点：N皇后问题

2-1、N皇后问题

      

按行号来拜访皇后。

方案一：2 , 4, 1, 3（行号省略，只写列号）

按照对称性

方案二：3 , 1, 4, 2

怎么:断两个皇后在正斜线、反斜线上？

处于同一条斜线上的两个皇后，行号、列号的差值的绝对值一样！

2-2、用代码实现求解N皇后问题（C语言）

1、非递归思想（循坏、迭代）

代码略

2、递归思想（方便）

2-3、真题

真题1：

真题2：

三、分治法

3-1、递归的思想

递归：函数自己调用自己。

递归的两个基本要素：

• 边界条件：确定递归何时终止，也称为递归出口；
• 递归模式：大问题是如何分为小问题的，也称为递归体。

3-2、分治法的思想

分治与递归就像一对李生兄弟，经常同时应用于算法设计之中，并由此产生许多高效的算法。我们知道，任何一个可以用计算机求解的问题所需要的计算时间都与其规模有关。问题的规模越小，解题所需要的计算时间往往越少，从而较容易处理。例如，对于 n 个元素的排序问题，当n=1时，不需要任何比较；当n-2 时，只要做一次比较即可；.....而当n较大时，问题就不那么容易处理了。要想直接解决一个较大的问题，有时是相当困难的。

分治法的设计思想是将一个难以直接解决的大问题分解成一些规模较小的相同问题，以便各个击破，分而治之。如果规模为n的问题可分解成个子问题，1<k<=n，这些子问题互相独立且与原问题相同。分治法产生的子问题往往是原问题的较小模式，这就为递归技术提供了方便。一般来说，分治算法在每一层递归上都有 3 个步骤。

• 分解。将原问题分解成一系列子问题.
• 求解。递归地求解冬子问题。若子问题足够小，则直接求解。
• 合并。将子问题的解合并成原问题的解。

3-3、分治法的典型实例

1、归并排序

归并排序算法是成功应用分治法的一个完美的例子，其基本思想是将待排序元素分成大小大致相同的两个子序列，分别对这两个子序列进行排序，最终将排好序的子序列合并为所要求的序列。

归并排序算法完全依照上述分治算法的 3 个步骤进行：

• 分解。将n 个元素分成各含 n/2 个元素的子序列；
• 求解。用归并排序对两个子序列递归地排序；
• 合并。合并两个已经排好序的子序列以得到排序结果。

①、代码的实现

②、真题

真题1：

空间复杂度：

代码中申请了两个子数组：left[]、right[]，分别用来备份原数组的拆分数组。

真题2：

分治，分了log2n次，每次要执行O(n)的计算。

真题3：

依旧是分治的思想。

希尔排序的时间复杂度：

四、动态规划法

上午、下午题，都考得比较多！

4-1、基本思想

动态规划算法与分治法类似，其基本思想也是将待求解问题分解成若干个子问题，先求解子问题，然后从这些子问题的解得到原问题的解。

与分治法不同的是，适合用动态规划法求解的问题，经分解得到的子问题往往不是独立的。

分治法，子问题独立。

动态规划法可能会有相同的子问题。

若用分治法来解这类问题，则相同的子问题会被求解多次，以至于最后解决原问题需要耗费指数级时间。然而，不同子问题的数目常常只有多项式量级。如果能够保存已解决的子问题的答案，在需要时再找出已求得的答案，这样就可以避免大量的重复计算，从而得到多项式时间的算法。

为了达到这个目的，可以用一个表来记录所有已解决的子问题的答案。不管该子问题以后是否被用到，只要它被计算过，就将其结果填入表中。这就是动态规划法的基本思路。

动态规划算法通常用于求解具有某种最优性质的问题。在这类问题中，可能会有许多可行解，每个解都对应于一个值，我们希望找到具有最优值(最大值或最小值)的那个解。

当然，最优解可能会有多个，动态规划算法能找出其中的一个最优解。

设计一个动态规划算法，通常按照以下几个步骤进行：

(1) 找出最优解的性质，并刻画其结构特征；

(2) 递归地定义最优解的值；

(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，构造一个最优解。

贪心：局部最优解；

动态规划算法：全局最优解。

(1)~(3) 是动态规划算法的基本步骤。在只需要求出最优值的情形下，步骤(4)步骤可以省略。

若需要求出问题的一个最优解，则必须执行步骤(4)。此时，在步骤(3) 中计算最优值时，通常需记录更多的信息，以便在步骤(4) 中根据所记录的信息快速构造出一个最优解。

动态规划法是一个非常有效的算法设计技术，那么何时可以应用动态规划来设计算法呢?

对于一个给定的问题，若其具有以下两个性质，可以考虑用动态规划法来求解：

(1) 最优子结构。如果一个问题的最优解中包含了其子问题的最优解，就说该问题具有最优子结构。当一个问题具有最优子结构时，提示我们动态规划法可能会适用，但是此时贪心策略可能也是适用的。

(2) 重叠子问题。重叠子问题指，用来解原问题的递归算法可反复地解同样的子问题，而不是总在产生新的子问题。即当一个递归算法不断地调用同一个问题时，就说该问题包含重叠子问题。此时若用分治法递归求解，则每次遇到子问题都会视为新问题，会极大地降低算法的效率，而动态规划法总是充分利用重叠子问题，对每个子问题仅计算一次，把解保存在一个在需要时就可以查看的表中，而每次查表的时间为常数。

贪心法：

1、最优子结构；

2、贪心选择性质。

4-2、动态规划法的典型实例

1、0-1背包问题

注意：

不能重复选物品。

基本思想：

贪心算法：

题中4个物品中，价值最大的是4号物品，将其放入背包，则有一种策略：

①+④ = 8，此时是近似最优解。

①、求解0-1背包问题的基本思想：

从前i个物品中选，背包容量为j时的最大价值。

i=0，j=0：边界

核心：

从结果表中可以看到，有重复的子问题：

②、代码实现：

③、0-1背包问题的时间、空间复杂度

2、矩阵连乘