算法分析学习总结及考试

算法分析学习总结及考试

一、           学习内容

1.       总体：理解算法的设计、提出、实现；算法的特性；算法的时间/空间复杂度分析等；

2.       主要讲解的算法思想：

①  递归

②  分治法（检索、找最大最小元素、排序/分类、斯特拉森矩阵乘法）

③  贪心方法（0/1背包问题（物品可分解）、带有限期的作业排序问题及用集合树实现）

④  动态规划（多段图向前处理法和向后处理法、构造最优二分检索树、0/1背包问题（物品不可分割）、可靠性设计问题、流水线调度问题、货郎担问题）

⑤  回溯法（八皇后问题、带有限期的作业排序（惩罚值）、子集和数问题）

⑥  分支限界法（华容道/15迷问题、圆排列问题（非书上例题）

3.       其他概念：

①  算法时间复杂度及分析

②  P问题、NP问题、NP完全问题、NP难问题；

4.       第一部分：课程简介及算法简介

①  算法的（共识）定义：A set of rules for solving problems in afinite number of steps.一系列解决问题的明确指令，在规定时间内给出输入，得到输出。

②  算法的特性：有限性、确定性、0或多个输入、一个或多个输出、可行性/有效性；不仅要求步骤是有限的，而且要求步骤合理。

③  设计算法：掌握算法设计策略 分析算法：分析占用CPU时间、占用存储器空间表示算法：将算法用语言表示出来 确认算法：保证算法是正确的

④  运行时间用基本操作的次数来衡量，有如下：1<㏒N<N<nlogN<n^2<n^3<2^n<n!<n^n

⑤  渐近表示：O(n)等

⑥  渐进函数的性质

5.       第二部分：递归（不考）

6.       第三部分：分治法

①  概念

②  二分检索、时间复杂度、以比较为基础的检索算法时间上界

③  寻找最大最小元素（原来的算法、改进算法、时间复杂度、何时使用改进算法、何时使用原来算法）

④  排序问题：直接插入排序、归并排序、改进的链接归并排序、时间复杂度

⑤  斯特拉森矩阵乘法：将n^3改进为n^2.81,理解思想即可

7.       第四部分：贪心方法

①  贪心算法定义

②  背包问题（物品可以分解）：度量标准、算法、贪心解就是最优解证明

③  带有限期的作业排序：度量标准、算法、贪心解时最优解证明、可行调度表的证明、总体算法、更快的作业排序算法、集合树实现

8.       第五部分：动态规划

①  定义、最优性原理、多阶段决策

②  多段图求最短路径：向前处理法、向后处理法

③  构造最优二分检索树：定义、递推关系式及推理、算法、KNUTH提出的改进、改进后的时间复杂性O(n^2)

④  0/1背包问题（物品不可分割）：递推关系式、序偶对及支配原则、回溯找解、支配原则转化为算法、时间复杂度分析、加速思想

⑤  可靠性设计：递推关系式、序偶对

⑥  流水线调度问题：抢先调度、非抢先调度、处理流程、递推关系式、Johnson不等式、应用Johnson法则简化、得出调度方法

⑦  货郎担问题：递推关系式、时间复杂度分析

9.       第六部分：回溯法

①  概念

②  过程

③  解空间树的一些定义：问题状态、答案状态、解状态、状态空间

④  解空间树的生成：活节点、死节点、E-节点

⑤  按照生成方式分类：深度优先生成、广度优先生成、D-检索、回溯法步骤、形式化描述、效率估计

⑥  八皇后问题回溯算法

10.   第七部分：分支限界法

①  分支限界法

②  LC-检索

③  结点成本函数

④  估计函数

⑤  15谜问题及树的生成

⑥  3

⑦  LC检索算法基本步骤（入活节点表判断、出活节点表判断）

⑧  带有限期的作业排序（惩罚值）树的生成

⑨  c（x）=U时怎么办？

⑩  FIFOBB算法（先入先出的分支限界算法）

⑪  LCBB算法（LC检索分支限界算法）

⑫  分支限界算法优缺点

⑬  非书上问题：圆排列问题

11.   第八部分：NP问题等

①  易解问题

②  难解问题

③  判定问题和优化问题

④  P类问题

⑤  NP类问题

⑥  NP难问题

⑦  NP完全问题

⑧  cook定理

二、           考试相关

1.     选择题：

2.     简答题：15谜判断、求解递推关系式、一些定义、NP问题等、算法思想、不受限节点估计值

3.     证明题：常证明以下问题：贪心解是最优解、可行调度表与可行解、渐进函数证明、书后习题证明（抢先调度也适用、作业执行时间不相等也可以得到可行调度表、

4.     计算题

5.     设计算法

考试题设计算法出的是寻找一个单峰数组的单峰，定义如下：如果一个数组A[n],有A[1]<A[2]<…<A[m]>A[m+1]>…>A[n],则m是单峰数组A[n]的单峰。已知A[n]是单峰数组，使用直接比较找单峰时最好情况下的时间复杂度？最坏情况下的时间复杂度？使用分治法设计算法，最好情况下的时间复杂度？最坏情况下的时间复杂度？

(1)  直接比较的意思就是两两元素进行比较找单峰，即找到第一个比后面元素大的元素，在考试时，我认为是从第一个元素开始比较，最好情况下是单峰是第二个元素，要进行两次比较：A[1]<A[2],A[2]>A[3]，但是刚才想到，第一个元素肯定不是单峰，所以最好情况下只需要比较一次即可，时间复杂度是O(1),最坏情况下是A[N-1]是单峰，所以要从A[2]比到A[N-1]，比较n-2次，时间复杂度是O(N);直接比较算法（已知A是单峰数组）可以表示为：

i<-2;

while(i+1<=N){

if(A[i]>A[i+1])then return i;

else i++;

}

return -1;

 

(2)  分治法设计的算法：

EC(low,high.p)//p是返回值，-1表示无单峰

if(high-low<=4) then{//数组规模小于5

 i<-low+1;

while(i+2<=high)do{

 if(A[i]<A[i+1]&&A[i+1]>A[i+2])then return i+1;

 else i++;

}

return -1;

}

else{

 mid<-(low+high)/2;//取地板操作

EC(low,mid+1.p1)

if(p1!=-1) return p1;

EC(mid-1,high.p2);

return p2;

}

上面算法的思想是每次将规模较大的A分成两部分，分别找单峰再一起判断，由于如果单峰在中间，即在mid处，如果按照传统的分治法分为(low,mid)、（mid+1，high），分成的两个数组将一个是递增的，一个是递减的，无法找到单峰，所以分成(low,mid+1)、(mid-1,high)，两部分，若mid是单峰，则两个数组全都能找到它，所以在实际使用时，先找左边的单峰，没有才找右边的。

为什么用5作为数组是否使用分治法的分界？最开始我是想，因为规模为5的数组使用分治法，变成了两个规模为4的数组，如果单峰是第4个元素，那么就是在找两个4元数组的单峰，这样看分治法算法效率并不明显，所以选的5作为分界。

为什么在小于5的数组直接比较找单峰时和（1）不一样？因为（1）中数组肯定是单峰数组，而在（2）中不确定，有可能是一个依次递增的数组，也有可能是一个依次递减的数组，因此只比较相邻两个元素是不够的。

最好情况下就是规模<5,元素第二个，需要比较2次（第一个和第二个、第二个和第三个），时间复杂度是O(2)；

最坏情况下，就是规模很大，而且倒数第二个元素是单峰，这时，每次使用分治法，都必须调用两次EC，设n=2^k*m(m=3,4,5);

T(n)=2*T(n/2)+c=4*T(n/4)+2*c+c=…=2^k *T(m)+(1+2+…+2^(k-1))*c=2^k*b+(2^k -1)*c;其中b是n<=5是的时间复杂度，是一个常数，c是“合”的时候对于p1、p2判断的时间复杂度，也是一个常数，因此，最后最坏情况下的时间复杂度是O(n).

3.算法分析题型（分数不太记得了）

①选择*5（基本靠概念、时间复杂度等、NP问题方面必出一个）

②简答题*4

③证明题*2（贪心解是最优解、渐进函数的证明、某些算法的推广和某一步骤的证明）

④计算题*4（带有限期的作业排序（集合树，考试考了）、0/1背包问题贪心方法和动态规划方法（考试考了）、流水线调度（考试考了）、最优二分检索树构成、XX谜问题（考试考了）、多段图问题、计算不受限节点估计）

⑤计算题：考试考的题见上面，平时遇到的有点意思的是分治法找假币、分治法判断二叉树是否对称同构