算法学习之蛮力法

算法学习之蛮力法

蛮力法的思想

蛮力法是指采用遍历技术，使用一定的策略将待求解问题的所有元素依次处理一次，其关键为依次处理所有元素，要使已处理过的元素不再被访问

蛮力法的基本

基本技术——遍历
关键——依次处理所有元素
基本的遍历对象：（1）集合（2）线性表（3）树（4）图

蛮力法的优点

1. 逻辑清晰，编写程序简洁，容易编写
2. 对于一些问题（排序、查找、矩阵乘法、字符串匹配），可以配合着产生一些合理算法
3. 当遍历空间很小时，可以使用较小的代价
4. 可以解决小规模问题（毕竟优化算法本身就有一定的复杂度，不如蛮力法来的简洁明了）
5. 可以为其他高效算法做衡量

蛮力法的解题步骤

1. 找出枚举范围：分析问题所涉及的各种情况
2. 找出约束表达式：分析问题的解需要满足的条件，并应逻辑表达式表示

蛮力法的经典查找问题

顺序查找

从表的第一端向另一端逐个将元素与既定值进行对比，若相等，则查找成功，给出元素在表中位置；若无相等值，则查找失败，返回NULL；

PS：我觉得这个东西就是循环遍历外加一个跳出判断，就不放代码了

改进的顺序查找

对于顺序查找有两个结束条件：（1）跳出条件，即满足条件时立刻跳出循环（2）结束条件，即查找超出既定范围后结束循环
对此每次循环会产生两次比较，对此可作出改进，将范围边界设为跳出条件时，可以减少一个判断条件

//1、普通的顺序查找
int SeqSearch1(int r[], int n, int k)
{
	i=n;
	while(i>0&&r[i]!=k)
	{
		i--;
	}
	return i;
}
//2、改进的顺序查找
int SeqSearch1(int r[], int n, int k)
{
	r[0]=k;
	i=n;
	while(r[i]!=k)
	{
		i--;
	}
	return i;
}

串匹配问题

也称模式匹配，即在主串S中查找子串T

需要注意的是（1）此算法的依次执行时间不容忽视：当问题规模n很大时，常常需要在大量的信息中进行匹配（2）算法改进所取得的积累效益不容忽视：串匹配操作经常被调用，执行频率是极其高的

---

注：串匹配的匹配算法为BF算法，以及略有些难以理解的KMP算法，再次不在多做描述，可以参考网上的解释博客（PS：疫情期间，很是颓废）

蛮力法的经典排序问题

（1）选择排序 （2）冒泡排序

注：这个也是最基础的两个排序问题，在此也不再过多描述（PS：我觉得这个大家应该都会）

蛮力法的经典组合问题

生成排列对象

假设已经生成了所有的(n-1)!个排列，可以把n插入到n-1个元素的每一种排列中去，来得到问题规模为n的所有排列（PS：在此之前我从未接触过这个问题，细想之后发现不知如何通过书上的三重循环来实现全排列尝试，因此转载此篇文章以供参考：排列算法c++实现）

生成子集

n个元素的集合A={$a_1,a_2,\dots \dots ,a_n$}的所有$2^n$个子集和长度为n的所有$2^n$个比特串之间的意义对应关系（PS：简单的来说就是类似于数电的交并集，001={$a_3$}，011={$a_2,a_3$}依次类推）

注：这个代码还没写过目测可写，但是疫情期间有点懒，日后如果能记起来就写

0/1背包问题

在给定的所有的元素中选出小于容量c的最有价值的子集，本质仍然是找出所有子集，然后计算每个子集的总价值，找到价值最大的子集，但是其复杂度仍然是O($2^n$)

任务分配问题

问题描述：假设有n个任务需要分配给n个人执行，每个人物只分配给一个人，每个人只分配一个任务，且第j个任务分配给第i个人的成本是C[i,j]，要求找出总成本最小的分配方案

此方案需要考虑全排列，算出每个排列的成本，排列数量为n!，复杂度很高，除非问题规模很小，否则蛮力法基本与此无缘】

蛮力法的经典图问题

哈密顿回路

适用蛮力法寻找哈密顿回路也是寻找排列，当排列内所有元素的边都连通时即可

TSP问题

就是变相加权哈密顿回路的寻找！！！

注：蛮力法终究还是蛮力法，一般情况下，即使进行一定程度的改进后，也只能改变其时间复杂度的系数，而不是数量级。（PS：个人感觉有点虎头蛇尾，毕竟所有例子如果都要用到的话代码量会很大，所以我决定不写代码，简单的将思路写一下，毕竟后续中基本不可能用蛮力法来实现）