【算法】算法基础

算法基本概念

算法（Algorithm）是对解题方案准确而完整的描述，是解决问题的清晰指令，代表着用系统的方法描述解决问题的策略机制。

引子—>算法设计步骤

求任意两个非负整数最大公约数

问题分析

主要考虑两种算法来进行问题求解

1. 穷举法
2. 欧几里得算法

算法策略/建立计算模型

设a>b>0，求a，b最大公约数

1. 穷举法
   { r = m i n { a , b } 初 始 化 ( a    m o d    r )    a n d    ( b    m o d    r ) = = 0 满 足 则 r 为 最 大 公 约 数 r = r − 1 循 环 \left\{ \begin{array}{lr} r=min\{a,b\} & 初始化\\ (a\; mod\; r)\; and\; (b\; mod\; r) == 0 & 满足则r为最大公约数\\ r = r- 1 &循环 \end{array} \right. ⎩⎨⎧​r=min{a,b}(amodr)and(bmodr)==0r=r−1​初始化满足则r为最大公约数循环​
2. 欧几里得算法
   $$\{\begin{array}{lr}r=amodb& \\ gcd(a,b)=gcd(b,r)& r\ne 0\\ gcd(a,b)=b& r=0\end{array}$$
   gcd(a,b)表示a，b最大公约数
   注:关于欧几里得方式的证明(即为证明gcd(a,b)==gcd(b,r))：
   解： 设gcd(a,b) = d 且a$÷$b = m$\cdots$r
   则有 d|a，d|b(“|”表示整除符号)，且a = b$\times$m + r (m$\in$$N_{+}$)
   $\therefore$ d|(b$\times$m + r)
   又$\because$ d|b 则 d|(b$\times$m)
   $\therefore$ d|r
   $\therefore$ gcd(a,b) == gcd(b,r)
   老师大概是这么证明的，个人感觉还是有所欠缺，仅仅证明了d也是b,r的约数，并没有证明是最大公约数啊？
   所以，加入下述证明过程（接d|r）：
   设 b = $n_1$ $\times$ d,r = $n_2$ $\times$ d
   只要证明gcd($n_1$,$n_2$) = 1 即可证明 gcd(b,r) = d
   所以a = (m$\times$ $n_1$ + $n_2$)$\times$ d
   下面利用反证法
   若 gcd($n_1$,$n_2$) = k >1
   则 $n_1$ = k $\times$ $n_1$’ ,$n_2$ = k $\times$ $n_2$’
   则 a = (m$\times$ $n_1$’ + $n_2$')$\times$ k$\times$d,b = $n_2$'$\times$k$\times$d
   a,b最大公约数为k$\times$d大于d，与gcd(a,b) = d矛盾。
   所以k = 1，gcd($n_1$,$n_2$) = 1
   从而完整证明 gcd(a,b)==gcd(b,r)。

算法设计与描述

输入：a，b $\in$ Z
输出：a，b最大公约数
穷举法
step1：令r = min{a,b}
step2：判断是否 a mod r == 0 并且 b mod r == 0 若是转step4，否则转step3
step3：r = r - 1，转step2
step4：输出r，即为a，b最大公约数
欧几里得算法
step1：a,b = b,a(若a<b)
step2: 令 r = a mod b
step3：判断r是否为0，为0转step5，否则转step4
step4：a = b,b = r
step5：输出b，即为所求

算法分析

b = min{a,b}，规定函数f(b)为循环次数
穷举法
$$f(b)=\sum _{i=1}^b{p}_i\times i{p}_i为循环i次的概率$$
若$p_i$ = $\frac{1}{b}$，则有$f$($b$) = $\frac{b+1}{2}$
欧几里得法
直接求f(b)难以求得，此时借助斐波那契额数列进行求解，利用渐进法。
需要引入数列 $u$ 如下
$$\{\begin{array}{lr}{u}_0=a,u_1=b,& \\ u_k=gcb(u_{k-2},u_{k-1})& \\ u_{n+1}=0& \end{array}$$
显然此时$u_k$ = $m$ $\times$ $u_{k+1}$ + $u_{k+2}$ (m>=1且m$\in$Z)，有$u_k$ $\ge$ $u_{k+1}$ + $u_{k+2}$
此时将数列$u$与长度为n的斐波那契数列$f$进行比较，如下。
显然，有$u_n$ $\ge$ $f_1$=1，$u_{n-1}$ $\ge$ $f_2$ = 1，推出$b$ = $u_1$ $\ge$ $f_n$
又已知，斐波那契数列的通项函数为
$$f_n=\frac{1}{\sqrt{5}}\times [(\frac{\sqrt{5}+1}{2}{)}^n-(\frac{1-\sqrt{5}}{2}{)}^n]$$
代入b,f(b)可得
$$b=\frac{1}{\sqrt{5}}\times [(\frac{\sqrt{5}+1}{2}{)}^{f(b)}-(\frac{1-\sqrt{5}}{2}{)}^{f(b)}]$$
为计算方便，进行一个约算处理，当b足够大时（并非无穷大），($\frac{1-\sqrt{5}}{2}{)}^{f(b)}$ 趋于0，忽略计算。
从而得出
$$f(b)={\log }_{1.618}(\sqrt{5}\times b)$$
此时的f(b)为最多的循环次数。
显然，欧几里得法要远远优于穷举法

算法实现 && 测试&& 结果整理与文档整理

略

从而得到算法的设计的过程为

1. 问题分析
2. 算法策略/建立计算模型
3. 算法设计与描述
4. 算法分析
5. 算法实现
6. 测试
7. 结果整理与文档整理

算法描述的方法

1. 自然语言描述
2. 程序流程图
3. NS流程图
4. 伪代码
5. 程序设计语言

算法的递归与迭代

循环设计

1. 设计思维
   自底向上的设计 核心本质：合并
   自底向下的设计 核心本质：分解
2. 挖掘内在规律构建计算模型
   挖掘问题内在规律，进行抽象并构建计算模型。

例子

设计算法，输出一个n$\times$n的三角矩阵，如图所示。
问题分析

可将此两个矩阵做一个对比($a_l$为左图矩阵，$a_r$为右图矩阵。
$a_l$[$i$][$j$] = $k$++,$i$+$j$<$n$
$a_r$[$i$+$j$][$j$] = $a_l$[$i$][$j$]
计算模型
$$\{\begin{array}{lrc}k=1& & 初始化\\ i=i+j& i\ge 0& 第一重循环\\ j=j& j\ge 0& 第二重循环\\ a[i][j]=k++& & 赋值\end{array}$$
算法设计与描述
输入：矩阵行列值n
输出：按斜行元素值为连续整数的三角矩阵
step1：输入n
step2：令i = 0，j = 0，k = 1
step3：令a[i+j][j] = k，k = k + 1
step4：j = j + 1 若 j = n - i ，则令j = 0，i = i + 1，若i<n，转step3
step5：打印出a数组。
注：没有转移说明默认执行下一条
算法分析
算法主体语句执行次数为：
$$f(n)=\sum _{i=0}^{n-1}\sum _{j=0}^{n-i-1}1=\frac{n(n-1)}{2}$$
算法实现

测试&&结果整理与文档整理
略

递归设计

定义：一个过程或函数在定义中直接或间接调用自身的一种方法。
设计关键：找出递归关系(方程)和递归终止(边界)条件。递归关系就是使问题向边界条件转化的规则。
递归设计的步骤：

1. 分析问题找到递归关系：找出大规模问题与小规模问题的关系，以便通过递归使问题规模变小。
2. 设置终止条件控制递归：通过停止条件的设置，找出可解的最小规模问题。
3. 设计函数确定数据传递方式。

例子
找出n个自然数(1,2,3,……,n)中取出r个数的所有组合。
问题分析
从n个数中取出r个数共有$C_n$$r$种取法。
下图所示n = 5，r = 3的情况。

计算模型
$$\{\begin{array}{lrc}f(i,r)=(1,1)& i=1,r=1& 递归出口\\ f(i,r)=(i,f(i-1,r-1))& n-r+1\le i\le n,j\le i& 递归函数\end{array}$$
算法设计与描述

算法分析
主要语句执行次数为f(n)
$$f(n)=\sum _{i=n}^r{C}_{i-1}^{r-1}$$
算法实现

附：迭代法算法实现

两者时间复杂度是一样的

基本数据结构

参考：张小东老师ppt