复习提纲 算法设计与分析

1、 试阐述回溯法和分支限界法在算法原理、搜索策略、剪枝、求解以及性能方面的异同：

					回溯法							分支限界法

算法原理 都是搜索问题的解空间树找到问题的解
搜索策略 深度优先搜索（堆栈） 广度优先搜索（优先队列）
剪枝 按约束条件剪枝 按目标函数剪枝
求解 求出问题的所有可能解 求出特定意义下的最优解（使目标函数取极值的解）
性能 搜索的盲目性 目的性更强，能在更高层次上进行剪枝
(两种方法都可以看成对蛮力法的改进。其中回溯法对解空间树按照深度优先搜索策略遍历，在搜索过程中采用约束条件和目标函数实行剪枝；分支限界法按照广度优先的顺序搜索解空间树，在遍历过程中根据限界函数估算目标函数的可能值，从中选择使目标函数取极值的结点优先扩展。对于超出目标函数界的结点，则直接丢弃。因分支限界法搜索的目标性更强，且能在更高的层次上施行剪枝，因此一般情况下其时间性能较回溯法要好。)

2、阐述动态规划法的基本思想，它与分治法有哪些异同:

动态规划法将问题划分成若干个重叠子问题，子问题的重叠关系表现在对给定问题求解的递推关系，先对子问题进行求解中，将子问题的解求解一次并填入表中，当需要再次求解该子问题时，只需从表中取出对应值，从而避免大量的重叠运算。
动态规划法分为三步：
（1）划分子问题：
（2）确定动态规划函数：根据子问题间的重叠关系找到满足条件的递推关系式(动态规划函数)
（3）填写表格：自底向上的方式计算各子问题的解并填表，实现动态规划过程
同：都具有最优子结构，都是将待解问题分解成若干个子问题进行求解，先求解子问题，再通过子问题求出原问题。所以，两者的求解步骤其实很相似。
异：
动态规划法 分治法
重叠子问题 子问题相互独立
自底向上计算 自顶向下计算

3、贪心法设计思想：

贪心法把一个问题分继承一系列较为简单的局部最优选择，每一步选择都是对当前解的一个扩展，直到获得问题的完整解。并不是从整体最优来考虑的，局部最优选择。因此，并不能保证获得整体最优解，但通常能获得近似最优解。（自顶向下进行计算的）
用贪心法求解做优化问题所需性质：贪心选择性质，最优子结构

设计分治算法，求一个数组中第二大的数：

int Partition(int a[], int low, int high){
    int i=low, j=high;
    while( i<j ){
        while( i<j&&a[i]>=a[j] )
            j--;
        if( i<j ){
            int temp = a[i];
            a[i] = a[j];
            a[j] = temp;
            i++;
        }
        while( i<j&&a[i]>=a[j] )
            i++;
        if( i<j ){
            int temp = a[i];
            a[i] = a[j];
            a[j] = temp;
            j--;
        }
    }
    for(int i=0;i<=9;i++)
        cout<<a[i]<<" ";
    cout<<endl;
    return i;
}

int SelectMink(int a[], int low, int high, int k){
    int s;
    s = Partition(a, low, high);
    cout<<s<<"-->"<<a[s]<<endl;
    if( s==k ){
        return a[k];
    }
    if( s>k ){
        return SelectMink(a, low, s+1, k);
    }
    if( s<k ){
        return SelectMink(a, s-1, high, k);
    }
}

减治法求解选择问题（求序列中第k大的数的索引，借助快速排序中的划分进行求解）：

时间复杂度：
最好：O(n)
最坏：O(n2) 相当于冒泡
平均：O(n)

动态规划法例题

例题1多源点最短路径（Floyd算法）：
d(vi, vj, {}) = cij
d(vi, vj, {v1,v2…vk}) = min{ d(vi, vj, {v1,v2…vk-1}), d(vi, vk, {v1,v2…vk-1})+d(vk, vj, {v1,v2…vk-1}) }

例题2最长递增子序列O(n^2)：
L(i) = 1 i=1或不存在a[j]<a[i] 1=<j<i
L(i) = max( L(j)+1 ) 对所有a[j]<a[i]的j 1=<j<i

例题3 0/1背包：
V(i, j) = V(i-1, j) j<w[i] 无法装下物品i
V(i, j) = max{ V(i-1, j-w[i])+v[i], V(i-1, j) } j>=w[i]
（可以装的下，但到底装不装要比较哪种好）

最小生成树两种算法

prim算法：
随机挑选一个节点作为新图的初始状态，开始选择节点，加入新图，每次选择最小边且不产生回路，直到所有的点都挑进来了。

kruskal算法：
设一个图只有节点，没有边，不断加入最小的边，不产生回路，直到变为连通。

贪心法 活动安排问题：

时间复杂度O(nlogn) 主要用在排序上
算法：

1. 按 活动结束时间 升序排列
2. 最优解一定包含第一个活动，即ans = {1}
3. j = 集合B中最晚结束的活动， 初始化为j=1
4. 循环变量i从 2-n 依次考察每个活动
   4.1 若s[i] > f[j]:
   B = B+{i};
   j = i;
   4.2 i++;

渐进符号

O(n) 渐进上界 最差也就这么差 o(n) T(n)<O( f(n) 没有等号
Ω(n) 渐进下界 最好最快是这种情况
θ(n) c1f(n)<=T(n)<=c2f(n)