![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法分析
程序小K
在你能努力的时候就加倍努力!
展开
-
矩阵连乘详解
矩阵相乘只有在第一个矩阵的列数和第二个矩阵的行数相同时才有定义,设有矩阵M1,M2,M3,M4,其维数分别是30×35, 35×15, 15×5和5×10,现要求出这4个矩阵相乘的结果。若矩阵A的维数是m×n,矩阵B的维数是n×r,则A与B相乘后所得矩阵AB的维数是m×r。按照矩阵相乘的定义,求出矩阵AB中的一个元素需要做n次乘法(及q-1次加法)。这样,要计算出AB就需要做n×原创 2015-12-01 20:34:44 · 18073 阅读 · 1 评论 -
红黑树
红黑树属于二叉平衡树 ,其与AVL树类似 ,都是在进行插入和删除操作时通过特定操作保持二叉查找树的平衡,从而获得较高的查找性能。红黑树和AVL树的区别在于它使用颜色来标识结点的高度,它所追求的是局部平衡而不是AVL树中的非常严格的平衡。红黑树满足以下5个性质:1、 每个结点的颜色只能是红色或黑色。2、 根结点是黑色的。3、 每个叶子结点都带有两个空的黑色结点,如果一原创 2015-12-01 16:24:33 · 317 阅读 · 0 评论 -
旅行销售员问题-------分支限界法
分支界限法即界限剪枝法在分支界限法中,每一个活结点只有一次机会成为扩展结点。活结点一旦成为扩展结点,就一次性产生其所有儿子结点。在这些儿子结点中,导致不可行解或导致非最优解的儿子结点被舍弃,其余儿子结点被加入活结点表中。此后,从活结点表中取下一结点成为当前扩展结点,并重复上述结点扩展过程。这个过程一直持续到找到所需的解或活结点表为空时为止限界剪枝法的基本思想1. 限界剪枝法与回溯法的不原创 2015-12-02 19:40:25 · 6810 阅读 · 0 评论 -
最接近点对问题
一维最临近点对假设我们用x轴上某个点m将S划分为2个子集S1和S2 ,基于平衡子问题的思想,用S中各点坐标的中位数来作分割点。递归地在S1和S2上找出其最接近点对{p1,p2}和{q1,q2},并设d=min{|p1-p2|,|q1-q2|},S中的最接近点对或者是{p1,p2},或者是{q1,q2},或者是某个{p3,q3},其中p3∈S1且q3∈S2。如果S的最接近点对是{p3,q3}原创 2015-12-03 21:22:44 · 1614 阅读 · 0 评论 -
贪心算法----背包问题
贪心算法:顾名思义,贪心算法总是能做到当前看来是最好的选择。也就是说贪心算法并不从整体最优上加以考虑,它所作出的选择只是在某种意义上的局部最优选择。所谓贪心选择性质是指所求问题的整体最优解可以通过一系列局部最优的选择,是贪心算法与动态规划算法的主要区别。 0-1背包问题 给定n种物品和一个背包。物品i的重量是Wi,其价值为Vi,背包的容量为W。问应如何选择物品装入背包,使得原创 2015-12-04 10:15:53 · 1400 阅读 · 0 评论 -
大整数乘法 ------分治法
通常,在分析一个算法的计算复杂性时,都将加法和乘法运算当作是基本运算来处理, 设x和y都是n位的二进制整数,现在要计算它们的乘积XY。我们将n位的二进制整数X和Y各分为2段,每段的长为n/2位(为简单起见,假设n是2的幂),如图所示。 计算公式如下:原创 2015-12-04 20:39:39 · 2050 阅读 · 0 评论 -
八皇后问题
对于n后问题的任何一个解而言,每一个皇后在棋盘上的位置无任何规律,不具有系统性,而更象是随机放置的。由此容易想到下面的拉斯维加斯算法。 与蒙特卡罗算法类似,拉斯维加斯算法找到正确解的概率随着它所用的计算时间的增加而提高。对于所求解问题的任一实例,用同一拉斯维加斯算法反复对该实例求解足够多次,可使求解失败的概率任意小。拉斯维加斯算法的一个显著特征是它所作的随机性决策有可能导致算法找不到所需的解。原创 2015-12-05 15:52:08 · 1184 阅读 · 0 评论 -
邮局选址问题
问题描述: 在一个按照东西和南北方向划分成规整街区的城市里,n个居民点散乱地分布在不同的街区中。用x 坐标表示东西向,用y坐标表示南北向。各居民点的位置可以由坐标(x,y)表示。街区中任意2 点(x1,y1)和(x2,y2)之间的距离可以用数值|x1-x2|+|y1-y2|度量。居民们希望在城市中选择建立邮局的最佳位置,使n个居民点到邮局的距离总和最小。 编程任务: 给原创 2015-12-24 20:18:21 · 1925 阅读 · 2 评论 -
KNN算法
K最近邻(k-Nearest Neighbor,KNN)分类算法,是一个理论上比较成熟的方法,也是最简单的机器学习算法之一。该方法的思路是:如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别,则该样本也属于这个类别。KNN算法中,所选择的邻居都是已经正确分类的对象。该方法在定类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。原创 2016-03-04 10:49:24 · 1295 阅读 · 0 评论