算法设计与分析基础(十)

BKSW.

已于 2022-03-14 21:02:56 修改

阅读量1.5k

点赞数 1

分类专栏：算法设计与分析基础文章标签：算法变治法过河问题

于 2021-12-14 17:32:33 首次发布

本文链接：https://blog.csdn.net/weixin_51276056/article/details/121932953

版权

算法设计与分析基础专栏收录该内容

16 篇文章 34 订阅

订阅专栏

本文介绍了变治法，一种通过问题变形和实例化简来简化问题解决的策略。涉及预排序提升效率、二叉查找树的操作优化、堆排序与霍纳法则的应用，以及最小公倍数求解和图论路径计数的转换。通过实例展示了如何将复杂问题转化为更易处理的形式。

摘要由CSDN通过智能技术生成

算法设计与分析基础(十)：变治法

首先是“变”，将问题变形，转换成另一个问题，变得更容易求解；
然后是“治”，对问题的实例进行求解。
变治法有三个变形:
（1）实例化简——同样问题
（2）改变表现——同样实例
（3）问题化简——另一问题

实例化简——同样问题

预排序

列表若有序，列表上的部分问题更容易求解。因此很多问题需要先排序，则该问题的时间效率依赖于排序算法的效率。
回忆前面所学的排序算法：

例子：检验数组中元素的唯一性

Algorithm PEU (A[0..n-1])  // Presort Element Uniqueness
    //先对数组排序再验证唯一性
    //输入：数组A
    //输出：若A没有相等的元素，返回“true”,否则返回“false”.
    对数组排序； T：= true;
    for i=0 to n-2 do
             if A[i]=A[i+1]   then  T：= false;
 3.      return T.

改变表现——同样实例

集合上的操作–二叉查找树

把一个集合变换成一棵二叉查找树是改变表现技术的一个实例。

好处是：在平均情况下，查找，插入，删除的效率是Θ(logn)。
最差情况下， Θ(n)，退化成线性的情况。

所谓的二叉查找树，它或者是一棵空树，或者满足以下的性质：
每个结点作为搜索对象，它的关键字是互不相同的。
对于树上的所有结点，如果它有左子树，那么左子树上所有结点的关键字都小于该结点的关键字。
对于树上的所有结点，如果它有右子树，那么右子树上所有结点的关键字都大于该结点的关键字。

插入操作：(建树)

删除操作：

对于二叉查找树的删除操作（这里根据值删除，而非结点）分三种情况：在此之前，我们应该确保根据给定的值找到了要删除的结点，如若没找到该结点不会执行删除操作！
下面三种情况假设已经找到了要删除的结点：

如果为叶子结点（没有左、右子树），此时删除该结点不会破坏树的结构，直接删除即可，并修改其父结点指向它的引用为null.如下图:
如果其结点只包含左子树，或者右子树的话，此时直接删除该结点，并将其左子树或者右子树设置为其父结点的左子树或者右子树即可，此操作不会破坏树结构。
当结点的左右子树都不空的时候，一般的删除策略是用其右子树的最小数据（容易找到）代替要删除的结点数据并递归删除该结点（此时为null），因为右子树的最小结点不可能有左孩子，所以第二次删除较为容易。

z的左子树和右子树均不空。找到z的后继y，因为y一定没有左子树，所以可以删除y，让y的父亲节点成为y的右子树的父亲节点，并用y的值代替z的值.如图：

堆和堆排序

设T是一棵深度为d的二叉树，结点为L中的元素.
若满足:

所有内结点(可能一点除外)的度数为2
所有树叶至多在相邻的两层
d-1层的所有树叶在内结点的右边
d-1层最右边的内结点可能度数为1 (没有
右儿子)
每个结点的元素不小于儿子的元素

自底向上构造法

首先把数组按序填充到堆中各个结点然后按照自下而上，从右至左的顺序，从最后的父节点开始，到根为止，检查

这些节点的值是否都满足子结点比父结点小的约束条件。

如果不满足则调换父子结点的位置，然后再检查在新的位置上，是否满足父母优势要求。

复杂度分析：

结点的高度该结点距树叶的距离
结点的深度该结点距树根的距离
同一深度结点分布在树的同一层，同一高度结点可以分布在树的不同的层
思路:
HEAPIFY(i)的复杂度依赖于i的高度，按照高度计数结点数，乘以O(h),再求和

堆排序

算法HEAPSORT(A)
1. BUILD-H EAP(A)
2. for i< - length[A] downto 2 .
3. do exchange A[1]< >A[i]
4.heap-size[4] < -heap-size[4]-1
5.HEAPIFY(A,1)

复杂性: O(mlogn)
BUILD_ HEAP时间为O(n),从行2-5调用HEAPIFY 1-1次，每次O(logn),时间为O(nlogn)

Horner法则和二进制幂

Horner法则

计算n次多项式的值的算法。
例如，n=4,
直接计算，需要4+3+2+1=10=n(n-1)/2次乘法。用如下Horner/秦九韶算法只需要 n=4 次乘法；

当 x=3 时，计算 p(x)

系数	2	-1	3	1	-5
X=3	2	2×3+(-1)=5	5×3+3=18	18×3+1=55	55×3+(-5)=160

霍纳法则的有趣特性

该算法在计算p(x)在某些点 x0上的值所产生的中间数字恰好可以作为 p(x)除以 x- x0 的商的系数，而算法的最后结果（ p(x0)的值），等于这个除法的余数。

原理如下: 对任意的f(x)与g(x)，存在q(x)与 r(x)，使得
f(x) = q(x)g(x) + r(x)
表示 g(x) 除 f(x), 商为q(x), 余数为 r(x)，因此，
p(x) = q(x)(x- x0) + r， p(x0) = q(x0)(x0 - x0) + r， p(x0) = r .

二进制幂

计算aⁿ的算法，有两种方法：

从左到右逐位扫描算法：例求a13, 13=1101

若该位为1，则前一个数平方后再乘以a，否则不需要再乘

从右到左逐位扫描算法:例如求a13, 13=1101

若该位为0，中间结果相乘时候不相乘

问题化简——另一问题

求最小公倍数lcm(m, n)

原问题：
求能够被m和n整除的最小整数记为lcm(m, n)
常用算法：
m和n所有公共质因数乘以m的不在n中的质因数，再乘以n不在m中的质因数
24=2×2×2×3 60=2×2×3×5
lcm(24, 60)=(2×2×3)×2×5=120
缺陷：
需要连续素数的表

关联
m和n的最大公约数gcd(m,n)是m和n所有公共质因子的积。并且lcm(m,n) = m·n/gcd(m,n)

问题化简
转换为求最大公约数gcd(m,n)的高效的欧几里德算法

计算图中的路径数

原问题：计算无向无权图中两个顶点之间的路径数量
问题化简： 利用邻接矩阵，可以证明：
图 G 中顶点 vi 到顶点 vj 之间长度为 k 的路径数量等于Ak 的 (i, j)位置的元素，其中 A 是图 G 的邻接矩阵。

简化为图论问题

过河问题：一个农夫希望用一条小船把一只狼，一头羊，一篮白菜从河的北岸渡到河的南岸，由于船小只能够容纳人狼羊菜中的两个。需要考虑的约束条件是：在没有人的情况下，狼和羊不能在一起，羊和白菜不能单独在一起。求解一个渡船的方案，把狼、羊、白菜都运过去。

对过河问题，画出人、狼、羊、菜的状态空间图后即可以发现有两条路径，这两条路径就是问题的两个解。

解：用四维0-1向量表示(人,狼,羊,菜)在河西岸的状态(在河西岸则分量取1,否则取0),共有24 =16 种状态.在河东岸的状态类似记作.
由题设,状态(0,1,1,0),(0,0,1,1),(0,1,1,1)是不允许的,从而对应状态(1,0,0,1), (1,1,0,0), (1,0,0,0)也是不允许的.
以可允许的10个状态向量作为顶点,将可能互相转移的状态用线段连接起来构成一个图.
根据此图便可找到渡河方法.