【算法】蛮力法

前言

概念

蛮力法(brute force)：直接基于问题的描述和所涉及的概念定义的进行算法设计，简单而直接。

蛮力法应用特点

1. 蛮力法所能解决的问题跨越的领域非常广泛。
2. 对于一些重要的问题，运用蛮力策略可以设计出具备一定实用价值的算法，并且不用限制实例的规模。
3. 当要解决的问题实例不多并且可以接受蛮力法的运算速度时，蛮力法的设计代价通常较为低廉。
4. 蛮力算法可以作为衡量其它算法的准绳，服务于研究或教学。

枚举法

算法框架

1. 依据问题，设定枚举范围；
2. 找出约束条件，建立计算模型；
3. 利用计算模型在枚举范围内搜索可能的解。

例题1

输入n个数字(在0与9之间)，然后统计出这组数中相邻两个数字组成的链环数字对出现的次数。如：n=20,输入为0 1 5 9 8 7 2 2 2 3 2 7 8 7 8 7 9 6 5 9，则输出为（7，8）=2，（8，7）=3，（7，2）=1，（2，7）=1，（2，2）=2，（2，3）=1，（3，2）=1。

问题分析

可以利用一个二维数组$a[10][10]$存储出现的数字队。
首先，将二维数组初始化$a[i][j]=0(0\le i<10,\le j<10)$
然后，每输入一个数字对，则把对应下标的数组元素加1，如数据输入的序列为$x$，则$a[x_k][x_{k+1}]=a[x_k][x_{k+1}]+1$
如题目中的例子可以构建出如下的二维数组：

计算模型

输入序列：$x$
初始化：$a[i][j]=0(0\le i<10,\le j<10)$
$$a[x_k][x_{k+1}]=a[x_k][x_{k+1}]+10\le k<n$$
最后，统计完毕后，输出a

算法设计与描述

算法分析

例题2

解数字谜，如下

问题分析

一共可以采用三种方式

1. 枚举测试：五位数的范围为30000-99999。时间复杂度为99999-30000 + 1 = 70000次
2. 采用构造式的枚举法：A取值从3-9，B-C取值0-9。时间复杂度为71010 = 700
3. 构造式的枚举法——除法：D的值从1-9，而A的取值仍然从3-9。两重循环，时间复杂度为7*9=63。

计算模型

主要针对第三种进行分析
设$A_i\in [3,9],D_j\in [1,9]$
$$\{\begin{array}{lr}D=D_j\ast 10^5+\cdots +D_j& \\ Dmod{A}_i==0& 上一步算得的D可以被A_i整除\\ S_i=D/A_i& \\ B_1=S_{i}mod10& \\ A_1=(S_i/10)mod10& \\ C=(S_i/10^2)mod10& \\ B_2=(S_i/10^3)mod10& \\ A_2=(S_i/10^4)mod10& \end{array}$$
判断$D$是否可以被$A_i$整除，$A_1$与$A_2$是否相等，$B_1$和$B_2$是否相等，上述条件均成立，则找到一个解。

算法设计与描述

输出：五位数ABCAB，六位数DDDDDD

例题3

输出玫瑰矩阵，其为n*n的方阵，特征如下所示对应下标的数组元素加1

问题分析

设矩阵为$a[n,n]$可以采用两种思路

1. 用$i$代表圈数（从0开始），j代表圈内下标变化量：
   $$\{\begin{array}{lrcc}a[j,i]\leftarrow k& k\leftarrow k+1& j\leftarrow j+1& 左侧\\ a[n-i-1,j]\leftarrow k& k\leftarrow k+1& j\leftarrow j+1& 底侧\\ a[j,n-i-1]\leftarrow k& k\leftarrow k+1& j\leftarrow j-1& 右侧\\ a[i,j]\leftarrow k& k\leftarrow k+1& j\leftarrow j-1& 顶侧\end{array}$$
   若n为奇数，还需要最后处理，令$a[(n-1)/2,(n-1)/2]=n^2$
2. 可以看出每半圈元素值增长规律变换一次
   设增量$t=1$，每半圈变换一次$t\leftarrow -t$
   设矩阵边长为i，每半圈的元素就是$2\ast i-1$个，$hc$为半圈内计数变量，$0\le hc<2\ast i-1$，前1/4圈是$0\le hc<i$，后1/4圈是$i\le hc<2\ast i-1$。
   其中$i$从$n$开始变换，每过半圈 $i=i-1$

计算模型

算法设计与描述

算法分析

穷举查找

有一些求最优解的问题经过抽象，可以转换为组合优化问题，使用蛮力法来求解是一种简单的方法，称之为穷举查找（exhaustive search）。

例题4

旅行商问题(traveling salesman problem，TSP) 有一个旅行商由某市出发，经过所有给定的n个城市后，再回到出发的城市。除了出发的城市外，其它城市只经过一回。这样的回路可能有多个，求其中路径成本最小的回路。

问题分析

给出一个问题实例，如下

可以通过遍历a - d的全排列来实现问题求解。

计算模型

1. 存储 利用图G(V,E)。边以临界矩阵形式存储，如下
   
2. 计算 列出所有路径
   a - b - c - d - a
   a - b - d - c - a
   a - c - b - d - a
   a - c - d - b - a
   a - d - b - c - a
   a - d - c - b - a
3. 计算路径代价
   

算法设计与描述

算法分析

$$T(n)=\sum _{i=0}^{n-1}T(i+1)+C$$

例题5

背包问题。给定$n$个重量为$w_1,w_2,\dots w_n$，价值为$v_1,v_2,\dots v_n$的物品和一个承重为$W$的背包，求将这些物品中的某些装入背包中，在不超出重量$W$的情况下，价值最高的装法。

问题分析

计算模型

算法设计与描述

图的搜索

图的两个重要的遍历算法：深度优先查找(depth-first search, DFS)和广度优先查找(breadth-frist search, BFS)，是穷举查找的重要应用之一。

深度优先查找

广度优先查找

例题6

迷宫问题。如图所示，图中方格内标为0的为通路，标为1墙。(0,0)为迷宫入口，(7,7)为迷宫出口，请查出由(0,0)到(7,7)的路径。

问题分析

1. 存储
2. 移动

计算模型

1. 存储
   采用二维矩阵maze[n][n],进行存储
   其中maze[x][y] = 0表示通路，maze[x][y]=1表示墙，maze[x][y]=2表示死路，maze[x][y] = 3表示已经走过。
2. 行走相对路径
   行走方向：fx[]={-1,1,0,0 }，fy[]={0,0, -1,1}
   行走过程：nextx=x+fx[i]，nexty=y+fy[i]
   其中，i=0, 1, 2, 3。

算法设计与描述

算法分析

1. 迷宫矩阵：maze[n][n]
2. 依据不同的行走方向，可知$T(n,n)=T(n-1,n)+T(n+1,n)+T(n,n-1)+T(n,n+1)$。然而，这公式并不准确，因为墙的布局对算法的影响很大，所以，最坏情况下，所有顶点都测试过，这时，时间复杂度为
   $T(n)=O((n\ast n-1)\ast 4)$
3. 存储空间中包括递归时的所用的栈，所以，空间复杂度至少为$O(2\ast n^2)$。

参考资料：张小东老师ppt