算法分析与设计总结

分治

MINMAX：

• 普通循环：2n – 2
• 分治 C (n) = 2C (n/2) + 2, n>2 （3n/2 – 2）
• 合并排序：C(n) = 2C（n/2） + n – 1 若n ≥ 2
• 寻找第 k 小元素: 预排序？
• 大整数乘法：
• 矩阵STRASSEN乘法：

减 治

• 插入排序: n2 , n, n2 /4

• 快速排序+插入排序

• 拓扑排序: 减一

• 生成排列+ Johnson-Trotter

• n为偶数： J(2k)=2J(k)-1
• n为奇数: J(2k+1)=2J(k)+1

变治

实例化简：变为同一个问题的更简单的实例

改变表现：

问题规约：变成另一个简单的问题

 

1 查找出现次数：

 蛮力：另外两个表分别存出现的值和频率。(n-1)n/2+（n-1）

 模式识别：预排序

 

动态规划

最短路径：

 从后往前：

1 机器负荷分配问题

2 排序问题

3 设备更新问题

4 计算二项式系数

 C[i,j] ←C[i-1,j-1]+C[i-1,j]

5 最长公共子序列

 if ai = bj then L[i, j] ←L[i-1, j-1] + 1

 else L[i, j] ←max{ L[i, j-1], L[i-1, j]}

6 0/1 背包问题

• V[i,j] 表示从前i项{u1，u2，…,u*i}中取出来的装入体积为j的背包的价值

7 最优二叉查找树

8 矩阵链

9 最短路径

 

 

回溯

着色问题

Tworst =O(n3^n)

n 皇后问题:

贪心

拟阵：

 

定理 1 拟阵 M 中所有最大独立子集具有相同大小

在一个整数组 A[1…n]中，同时寻找最大值和最小值

 

• 直接策略
• 分治策略

输入：n 个整数元素的数组A[1… n], n 为2的幂。
输出：（x, y）, A 中的最小元素和最大元素。 • minmax (1, n)
 (x1, y1) ← minmax (low, mid)
 (x2, y2) ← minmax (mid + 1, high)
 x ← min {x1, x2}
 y ← max {y1, y2}
 = 3n/2 - 2
 = logn

• 二分搜索

 

寻找第 k 小元素

先排序再直接选择

 

 

分支定界算法

如果能定义下界，即可使用分支定界算法

下界：城市距离矩阵D 的最小元素乘以城市数量n

稍紧一些的下届：最小的n个元素的和

任何旅行长度l的下届：对于每一个城市i， 1≤i≤n, 求出从城市i到最近的两个城市的距离之和s**i；计算

出这n个数字的和s，并把结果除以2

 如果还要包含特定的边：

 

 

w9下界

 

计算方法：

1 最大值最小值确定问题

• 至少 n-1次
• 最坏（3n/2）-2次

2 计算第二大值问题

• Naive algorithm：2n-3
• 淘汰赛：n-1+logn-1

 

w10优化问题

每个优化问题均伴随着几个判定问题，我们希望找到其中与 优化问题多项式等价的。

 

1最小顶点覆盖问题

点（或边）的集合，使每一个边（或点）都至少触及一个点（或边）。优化最小的点的集合。

SOL(G) = {};

• 转化成判定问题 ：

• P的实例x和K（输入时设置的一个阈值）判定是否m*(x) <=K. 是否存在一个解y, 使m(x,y) <= K(寻找最小时，为了让解小于这个值)

NPO问题：1 实例集I在多项式时间内识别。2 可在多项式q时间内判断实例属于可行解。3 多项式时间内评估。NPO对应的判断问题是NP问题。p.s.最小顶点覆盖问题

PO问题：1问题P是NPO问题。 2 存在多项式时间算法A，对于任意实例x, 算法A返回最优解和最优值。 p.s. 最短路径

 

• 贪心

方法1与方法2：（以上算法不准。使用一条边中两个端点都加入U，则精确度过大，可能是2近似算法。）

方法3： VCOVERAPPROX 2近似算法

任取一条边，删除和顶点相连的边，没被删除的证明还没被覆盖，和边相连的点就是选择的点。

 

 

近似算法

 

实例 x 的**可行解y, 其值为m(x,y)

实例 x 的最优解 m*(x)