算法导论复习

渐进符号

基本定义

注意下o ω的定义，当n趋于正无穷时，
f(n)远小于g(n)此时记 f(n)=o(g(n))
f(n)远大于g(n)此时记f(n)=ω(g(n))

所以上述这个题是D错了

例题1：

T3(n) = Ω(T1(n))
因为： T1 = 30logn. T3 = 10log3n
则 10log3n >= C * 30logn

例题2:
两个算法的时间复杂度是，T1(n) = 10n^2
T2(n) = 32^n
则 T1(n) = O(T2(n))

例题3:

分治法

代入法求递归式解

动态规划

矩阵链乘问题

视频讲解

最长公共子序列问题

class Solution {
    public int longestCommonSubsequence(String text1, String text2) {
        char[] str1 = text1.toCharArray();
        char[] str2 = text2.toCharArray();
        int n = str1.length;
        int m = str2.length;
        int[][] dp = new int[n + 1][m + 1]; //dp[i][j]表示以str1[i] str2[j]结尾的最长公共子序列
        for(int i = 1; i <= n; i++){
            for(int j = 1; j <= m; j++){
                dp[i][j] = Math.max(dp[i-1][j],dp[i][j-1]);
                if(str1[i-1] == str2[j-1]) dp[i][j] = Math.max(dp[i][j],dp[i-1][j-1] + 1);
            }
        }
        return dp[n][m];
    }
}

钢条切割问题

相关说明
时间复杂度是$O(n^2)$

装配线调度算法

相关说明

最优二叉查找树

题目描述与详解
视频讲解

贪心法

任务调度问题

问题描述与解答

单处理机上带截止时间和惩罚的任务调度问题

算法实现
这个算法的时间复杂度是$O(n^2)$的

活动选择问题

正确方法：最早结束的活动优先


时间复杂度是$O(nlogn)$算法的瓶颈在排序上

Leetcode区间问题合集

01背包

import java.util.*;

public class Main{
    public static void main(String[] args){
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt();
        int m = sc.nextInt();
        int[] v = new int[n+1];
        int[] w = new int[n+1];
        for(int i = 1; i <= n; i++){
            v[i] = sc.nextInt();
            w[i] = sc.nextInt();
        }
        int[][] f = new int[n+1][m+1]; //f[i][j]表示从1～i个物品中选择最大不超过j容量的最大方案
        for(int i = 1; i <= n; i++){
            for(int j = 0; j <= m; j++){
                f[i][j] = f[i-1][j];
                if(j >= v[i]) f[i][j] = Math.max(f[i][j],f[i-1][j-v[i]]+w[i]);
            }
        }
        System.out.println(f[n][m]);
    }
}

完全背包

完全背包问题每个东西可以用无限次
01背包每个东西只能用一次

$f(i,j)$ 从前$i$个物品中选总体积不超过j的最大价值方案
01背包问题是 把 $f(i,j)$ 分为 选第$i$ 个物品 和 不选第 $i$ 个物品
完全背包问题是分成 选 0 个第$i$ 个物品，选1个第$i$个物品…一直到选$k$个第$i$个物品…

选$0$个第$i$个物品 $f(i,j)=f(i-1,j)$
选$k$个第$i$个物品的话
$f(i,j)=max(f(i-1,j),f(i-1,j-weight[i])+value[i],.......,f(i-1,j-k\ast weight[i])+k\ast value[i],.......)$

$f(i,j)=max(f(i-1,j),f(i-1,j-weight[i])+value[i],.......,f(i-1,j-k\ast weight[i])+k\ast value[i],.......)$

令 $j=j-weight[i]$, 带入那么有

$f(i,j-weight[i])=max(f(i-1,j-weight[i]),f(i-1,j-2\ast weight[i])+value[i],......,f(i-1,j-k\ast weight[i])+(k-1)\ast value[i],f(i-1,j-(k+1)\ast weight[i])+k\ast value[i],.......)$

#include<algorithm>
#include <iostream>
using namespace std;
const int N = 10010;
int n,m;
int v[N],w[N];
int f[N][N];

int main()
{
    cin >> n >> m;
    for(int i=1;i<=n;i++) cin >> v[i] >> w[i];
    for(int i=1;i<=n;i++){
        for(int j=0;j<=m;j++){
            for(int k=0;k*v[i]<=j;k++){//这里是k*v[i]<=j别写成m了
                f[i][j] = max(f[i][j],f[i-1][j-k*v[i]]+k*w[i]);
            }
        }
    }
    cout << f[n][m];
    return 0;
}

然后可以进一步优化

可以看到$f(i,j)=max(f(i-1,j),f(i-1,j-weight[i])+value[i],.......,f(i-1,j-k\ast weight[i])+k\ast value[i],.......)$

从 $f(i-1,j-weight[i])+value[i]$ 开始 每一项 都比 $f(i,j-weight[i])$ 多了个 $value[i]$

那么 $f(i,j)=max(f(i-1,j),max(f(i,j-weight[i])+value[i]))=max(f(i-1,j),f(i,j-weight[i]+value[i]))$

/*
01背包：     f[i][j] = max(f[i-1][j],f[i-1][j-weight[i]]+value[i])
完全背包     f[i][j] = max(f[i-1][j],f[i][j-weight[i]]+value[i])
*/

#include <iostream>
#include <algorithm>
using namespace std;
const int N = 1e3 + 10;
int w[N],v[N];
int n,m;
int f[N][N];

int main()
{
    cin >> n >> m;
    for(int i=1;i<=n;i++){
        cin >> w[i] >> v[i]; 
    }
    f[1][0] = 0;
    for(int i=1;i<=n;i++){
        for(int j=0;j<=m;j++){
            f[i][j] = f[i-1][j];
            if(j>=w[i]) f[i][j] = max(f[i-1][j],f[i][j-w[i]]+v[i]);
        }
    }
    cout << f[n][m] << endl;
    return 0;
}

Huffman树

其主要的时间开销来自于一开始的排序活动。

摊还分析

摊还分析

例题

红黑树

红黑树介绍
红黑树介绍
有n个节点的红黑树的
最大高度是2log(n+1)
最小高度是log(n+1)

区间树

区间树
线段树

二项堆

相关博客
二项堆相关博客

斐波那契堆

斐波那契堆的势函数：

斐波那契堆

最大流

视频讲解

零碎知识点