算法设计与分析常见习题及详解

无论在以后找工作还是面试中，都离不开算法设计与分析。本博文总结了相关算法设计的题目，旨在帮助加深对贪心算法、动态规划、回溯等算法的理解。

1、计算下述算法执行的加法次数：

输入：n=2^t   //t为整数
输出：加法次数 k
K=0
while n>=1 do
    for j=1 to n do
         k:= k+1
    n= n/2
return k

解析：第一次循环执行n次加法，第二次循环执行1/2次加法，第三次循环执行1/$2^2=1/4$次加法…因此，上述算法执行加法的次数为$n+\frac{1}{2}n+\frac{1}{4}n+...+1$=$n+n-\frac{1}{2}n+\frac{1}{2}n-\frac{1}{4}n+....-1$=2n-1

---

2、考虑下面每对函数 f(n) 和 g(n) ，如果它们的阶相等则使用Θ记号，否则使用 O 记号表示它们的关系
$f(n)=(n^2-n)/2，g(n)=6n$
解析：
前导知识：
$$1<logn<n<nlogn<n^2<n^3<2^n<n!<n^n$$
$g(n)=O(f(n))$，因为$f(n)=\Theta (n^2),g(n)=\Theta (n)$
$f(n)=n+2\sqrt{n},g(n)=n^2$
解析：$f(n)=O(g(n))$，因为$f(n)=\Theta (n),g(n)=\Theta (n^2)$
$f(n)=n+nlogn,g(n)=n\sqrt{n}$
解析:$f(n)=O(g(n))$，因为$f(n)=\Theta (nlogn),g(n)=\Theta (n^{\frac{3}{2}})$
$f(n)=2(lo{g}^n{)}^2,g(n)=logn+1$
解析：$g(n)=O(f(n))$
$f(n)=log(n!),g(n)=n^{1.05}$
解析:$f(n)=O(g(n))$

---

3、在表1.1中填入 true 或 false

解析：利用上题的前导知识就可以得出。

---

4、对于下面每个函数 f(n),用f(n) =Θ(g(n))的形式，其中g(n)要尽可能简洁，然后按阶递增序排列它们（最后一列）
$(n-2)!=\Theta ((n-2)!)$
$5log(n+100{)}^{10}=\Theta (logn)$
$2^{2n}=\Theta (4^n)$
$0.001n^4+3n^3+1=\Theta (n^4)$
$(lnn{)}^2=\Theta (l{n}^{2}n)$
$\sqrt[3]{n}+logn=\Theta (\sqrt[3]{n})$
$3^n=\Theta (3^n)$
$log(n!)=\Theta (nlogn)$
$log(n^{n+1})=\Theta (nlogn)$
$1+\frac{1}{2}+....+\frac{1}{n}=\Theta (logn)$
解析：最后一个用到了调和公式：${\sum }_{k=1}^n\frac{1}{k}=logn+O(1)$
按阶递增的顺序排列：
$1+\frac{1}{2}+....+\frac{1}{n}$、$5log(n+100{)}^{10}$、$(lnn{)}^2$、$\sqrt[3]{n}+logn$、$log(n!)$、$log(n^{n+1})$、$0.001n^4+3n^3+1$、$3^n$、$2^{2n}$、$(n-2)!$

---

5、求解递推方程
前导知识：主定理

前导知识：递归树：
例子：递归树是一棵节点带权的二叉树，初始递归树只有一个结点，标记为权重W(n)，然后不断进行迭代，最后直到树种不再含有权为函数的结点为止，然后将树根结点到树叶节点的全部权值加起来，即为算法的复杂度。以二路归并排序算法的递推方程为例子进行递归树讲解。
已知$W(n)=2W(n/2)+n-1$,并且W(1)=0,递归树求解过程如下图：

（1）$T(n)=T(n-1)+n^2,T(1)=1$
解析：
$T(n-1)=T(n-2)+(n-1{)}^2$
$T(n-2)=T(n-3)+(n-2{)}^2$
$T(n-3)=T(n-4)+(n-3{)}^2$
…
因此，将上述各式相加，得到$T(n)=1+2^2+3^3+...+n^2=\frac{n(n+1)(2n+1)}{6}$

（2）$T(n)=9T(n/3)+n,T(1)=1$
解析：$a=9,b=3$，因此，$n^{lo{g}_b^a}=n^{lo{g}_3^9}=n^2,f(n)=n$
因为，$f(n)<O(n^2)$,因此，$T(n)=O(n^2)$

（3）$T(n)=T(n/2)+T(n/4)+cn，T(1)=1$
解析：

（3）$T(n)=5T(n/2)+(nlogn{)}^2，T(1)=1$
解析：$a=5,b=2,n^{lo{g}_b^a}=n^{lo{g}_2^5},f(n)=(nlogn{)}^2$,由于，$n^{lo{g}_2^5}>O(f(n))$,因此，T(n)=$O(n^{lo{g}_2^5})$

---

5、设A是 n 个非0实数构成的数组，设计一算法重排数组的数，使得负数都在正数的前面。
要求时间、空间复杂性为 O(n)和O(1)
解析：由于时间复杂度为O(n)，空间复杂度为O(1),说明只需要遍历一次数组，不需要额外的存储空间，就能完成该问题的求解。
算法：

• 从右向左扫描直到找到第一个负数A[p]
• 从左向右扫描直到找到第一个正数A[q]
• 若p>q，则交换A[p]、A[q]
• 若p<=q，则停止，否则重复上述步骤

---

6、给定含 n 个不同的数的数组 $L=<X_1,\dots ,X_n$>. 如果 L 中存在$X_i$ 使$x_1<x_2<\dots <X_i>X_i+1>\dots >x_n$ 则说 L 是单峰的，并称 $x_i$ 是 L的峰顶。假设 L 是单峰的，设计算法找到 L 的峰顶。
解析：用二分法：

• 若|L|=3,则L[2]即为所求
• 若|L|>3，则取k=[n/2],检查若L[k-1]<L[k]>L[k+1],则找到
• 否则，若L[k-1]<L[k]<L[k+1],说明单峰在右边，若L[k-1]>L[k]>L[k+1]，说明单峰在左边，继续进行二分查找

---

7、设A 是 n 个不同的数排好序的数组，给定数 L 和 U ， L<U， 设计算法找到A 中满足 L<x<U 的所有 x。
解析：一般对于已经排好序的数组相关的算法，可以想想是否可以用到二分算法。
使用二分查找：

• 用二分查找法找到等于或大于L的最小的位置k，等于的情况k+1(因为题目要求的是大于)
• 类似的用二分查找找到等于或小于U的最大数的位置j(等于的情况j-1)
• 输出从k到j的数

---

8、用动态规划算法求解下面的组合优化问题：
m a x { g 1 ( x 1 ) + g 2 ( x 2 ) + g 3 ( x 3 ) } max\{g_1(x_1)+g_2(x_2)+g_3(x_3)\} max{ g1​(x1​)+g2​(x2​)+