算法与设计分析期末复习

算法与设计分析期末复习

1.背包问题

算法思想：贪心法
（1）数据结构及初始化。将n种宝物的重量和价值存储在结构体three（包含重量、价值、性价比三个成员）中，同时求出每种宝物的性价比也存储在对应的结构体three中，将其按照性价比从高到底排列。采用sum来存储背包存储的最大价值，初始化为0.
（2）根据贪心策略，按照性价比从大到小选取宝物，直到背包存储能力。每次选取性价比高的宝物，判断是否小于m(背包的大小)，如果小于m，则放入，sum(已放入宝物的价值）加上当前宝物的价值，m减去放入宝物的重量；如果不小于m，则取该宝物的一部分m*p[i]，m=0，程序结束。m减少到0，则sum取到最大值。

2.会议安排问题

算法思想：贪心法
（1）数据结构初始化。将会议的开始时间和结束时间存储到结构体数组中。
（2）按照结束时间排序，若是结束时间相同，按照开始时间先后排序（即结束时间相等，开始时间早的先安排）。
（3）下一个会议的开始时间不能超过前面会议的结束时间，否则舍弃该会议，考虑下个会议。

（3，4，5）关于动态规划

[https://blog.csdn.net/weixin_44835732/article/details/103644059]

6.01背包问题

算法思想：回溯法
【整体思路】
　　01背包属于找最优解问题，用回溯法需要构造解的子集树。对于每一个物品i，对于该物品只有选与不选2个决策，总共有n个物品，可以顺序依次考虑每个物品，这样就形成了一棵解空间树： 基本思想就是遍历这棵树，以枚举所有情况，最后进行判断，如果重量不超过背包容量，且价值最大的话，该方案就是最后的答案。

  在搜索状态空间树时，只要左子节点是可一个可行结点，搜索就进入其左子树。对于右子树时，先计算上界函数，以判断是否将其减去（剪枝）。

上界函数bound():当前价值cw+剩余容量可容纳的最大价值<=当前最优价值bestp。

为了更好地计算和运用上界函数剪枝，选择先将物品按照其单位重量价值从大到小排序，此后就按照顺序考虑各个物品。
　【算法设计】

利用回溯法试设计一个算法求出0-1背包问题的解，也就是求出一个解向量ｘi （即对n个物品放或不放的一种的方案）

其中， (ｘi = 0 或１，ｘi = 0表示物体ｉ不放入背包，ｘi ＝1表示把物体ｉ放入背包）。

在递归函数Backtrack中，
　　　　当i>n时，算法搜索至叶子结点，得到一个新的物品装包方案。此时算法适时更新当前的最优价值
　　　　当i<n时，当前扩展结点位于排列树的第（i-1）层，此时算法选择下一个要安排的物品，以深度优先方式递归的对相应的子树进行搜索，对不满足上界约束的结点，则剪去相应的子树。

【时间复杂度&&优化】

因为物品只有选与不选2个决策，而总共有n个物品，所以时间复杂度为。

因为递归栈最多达到n层，而且存储所有物品的信息也只需要常数个一维数组，所以最终的空间复杂度为O(n)。
7.整数划分问题
根据n和m的关系，考虑以下几种情况：

1. 当n=1时，不论m的值为多少（m>0)，只有一种划分即{1};
2. 当m=1时，不论n的值为多少，只有一种划分即n个1，{1,1,1,…,1};
3. 当n=m时，根据划分中是否包含n，可以分为两种情况：
   (1) 划分中包含n的情况，只有一个即{n}；
   (2) 划分中不包含n的情况，这时划分中最大的数字也一定比n小，即n的所有(n-1)划分。因此 f(n,n) =1 + f(n,n-1);
4. 当n<m时，由于划分中不可能出现负数，因此就相当于f(n,n);
5. 但n>m时，根据划分中是否包含最大值m，可以分为两种情况：
   (1) 划分中包含m的情况，即{m, {x1,x2,…xi}}, 其中{x1,x2,… xi} 的和为n-m，可能再次出现m，因此是（n-m）的m划分，因此这种划分个数为f(n-m, m);
   (2) 划分中不包含m的情况，则划分中所有值都比m小，即n的(m-1)划分，个数为f(n,m-1);因此 f(n, m) = f(n-m, m)+f(n,m-1);

综合以上情况，我们可以看出，上面的结论具有递归定义特征，其中（1）和（2）属于回归条件，（3）和（4）属于特殊情况，将会转换为情况（5）。而情况（5）为通用情况，属于递推的方法，其本质主要是通过减小m以达到回归条件，从而解决问题。其递推表达式如下：

f(n, m)= 1; (n=1 or m=1)
f(n, m)=f(n, n); (n<m)
1+ f(n, m-1); (n=m)
f(n-m,m)+f(n,m-1); (n>m)