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:
- 当n=1时,不论m的值为多少(m>0),只有一种划分即{1};
- 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};
- 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); - 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);
- 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)