- 博客(61)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 算法导论 — 思考题4-3 更多的递归式例子
（更多的递归式例子）对下列每个递归式，给出T(n)T(n)T(n)的渐近上界和下界。假定对足够小的nnn，T(n)T(n)T(n)是常数。给出尽量紧确的界，并验证其正确性。 a. T(n)=4T(n/3)+nlgnT(n)=4T(n/3)+n{\rm lg}nT(n)=4T(n/3)+nlgn b. T(n)=3T(n/3)+n/lgnT(n)=3T(n/3)+n/{\rm lg}nT(n)=3T(n/3)+n/lgn c. T(n)=4T(n/2)+n2nT(n)=4T(n/2)+n^2\sq
2020-08-27 23:46:07
3825
4
原创 算法导论 — 思考题4-2 参数传递代价
（参数传递代价）我们有一个贯穿本书的假设——过程调用中的参数传递花费常量时间，即使传递一个NNN个元素的数组也是如此。在大多数系统中，这个假设是成立的，因为传递的是指向数组的指针，而非数组本身。本题讨论三种参数传递策略： 1. 数组通过指针来传递。时间 = Θ(1)Θ(1)Θ(1)。 2. 数组通过元素复制来传递。时间 = Θ(N)Θ(N)Θ(N)，其中NNN是数组的规模。 3. 传递数组时，只复制过程可能访问的子区域。若子数组A[p..q]A[p..q]A[p..q]被传递，则时间 = Θ(q
2020-06-22 22:48:30
837
原创 算法导论 — 思考题4-1 递归式例子
（递归式例子）对下列每个递归式，给出T(n)T(n)T(n)的渐近上界和下界。假定n≤2n ≤ 2n≤2时T(n)T(n)T(n)是常数。给出尽量紧确的界，并验证其正确性。 a. T(n)=2T(n/2)+n4T(n)=2T(n/2)+n^4T(n)=2T(n/2)+n4 b. T(n)=T(7n/10)+nT(n)=T(7n/10)+nT(n)=T(7n/10)+n c. T(n)=...
2020-04-21 19:53:34
13050
原创 算法导论 — 4.5 用主方法求解递归式
笔记利用主定理可以对形如T(n)=aT(n/b)+f(n)T(n) = aT(n/b) + f(n)T(n)=aT(n/b)+f(n)的递归式直接求解。下面先给出主定理的描述。 令a≥1a ≥ 1a≥1和b>1b > 1b>1是常数，f(n)f(n)f(n)是一个函数，T(n)T(n)T(n)是定义在非负整数上的递归式： T(n)=aT(n/b)+f(n)T(n...
2020-04-16 01:12:54
5777
1
原创 算法导论 — 4.4 用递归树方法求解递归式
笔记在应用代入法求解递归式时，需要事先做出一个好的猜测。然而，有时候做出好的猜测是很困难的，此时可以考虑采用递归树方法。在递归树中，每个结点表示一个单一子问题的代价。创建递归树之后，对树的每层的各子问题的代价进行求和，得到每一层的代价，然后将所有层的代价加起来，得到整棵递归树的总代价，这个总代价就是递归式的解。当然，递归树方法是一种粗略的方法，因为递归树会引入一些“不精确”因素，这一点在后文再详...
2020-04-06 11:51:20
16370
6
原创 算法导论 — 4.3 用代入法求解递归式
笔记代入法求解递归式分为两步： 1) 猜测解的形式。 2) 用数学归纳法证明猜测的解是正确的。 例如，我们要确定递归式T(n)=2T(⌊n/2⌋)+nT(n)=2T(⌊n/2⌋)+nT(n)=2T(⌊n/2⌋)+n的上界。我们猜测其解为T(n)=O(nlgn)T(n) = O(n{\rm lg}n)T(n)=O(nlgn)，这意味着存在正常数ccc和n0n_0n0，使得T(n)≤c...
2020-03-31 16:54:13
5216
2
原创 算法导论 — 4.2 矩阵乘法的Strassen算法
笔记给定两个n×nn×nn×n正方矩阵AAA和BBB，这两个矩阵的乘法定义为 其中 下面是矩阵乘法的伪代码。 很显然，执行SQUARE-MATRIX-MULTIPLY需要花费Θ(n3)Θ(n^3)Θ(n3)时间。然而，有一种方法可以花费更少的时间，这就是Strassen算法，它本质上也是一种分治法，它的时间复杂度为Θ(nlg7)=O(n2.81)Θ(...
2020-03-23 11:18:58
6676
5
原创 算法导论 — 4.1 最大子数组问题
笔记本节给出了分治法的一个例子。给定一个数组A[1..n]A[1..n]A[1..n]，找出一个元素和为最大的连续子数组A[i..j]A[i..j]A[i..j]，其中1≤i≤j≤n1 ≤ i ≤ j ≤ n1≤i≤j≤n，称这样的子数组为最大子数组。例如，下图所示数组中，第888个元素到第111111个元素之间的子数组为最大子数组。 求解最大子数组问题，最简单的方法是暴力检查所有的子...
2020-03-16 23:50:47
1712
原创 算法导论 — 思考题8-6 合并有序列表的下界
（合并有序列表的下界）合并两个有序列表是我们经常会遇到的问题。作为MERGE-SORT的一个子过程，我们在2.3.1节中已经遇到过这一问题。对这一问题，我们将证明在最坏情况下，合并两个都包含nnn个元素的有序列表所需的比较次数的下界是2n−12n−12n−1。 首先，利用决策树来说明比较次数有一个下界2n−o(n)2n−o(n)2n−o(n)。 a. 给定2n2n2n个数，请算出共有多少种...
2020-03-01 21:57:10
591
原创 算法导论 — 思考题8-5 平均排序
（平均排序）假设我们不是要完全排序一个数组，而只是要求数组中的元素在平均情况下是升序的。更准确地说，如果对所有的i=1,2,…,n−ki = 1, 2, …, n−ki=1,2,…,n−k有下式成立，我们就称一个包含nnn个元素的数组AAA为kkk排序的(kkk-sorted)： ∑j=ii+k−1A[j]k≤∑j=i+1i+kA[j]k\frac{\sum_{j=i}^{i+k-1}...
2020-02-27 21:42:33
758
原创 算法导论 — 思考题8-4 水壶
（水壶）假设给了你nnn个红色的水壶和nnn个蓝色的水壶。它们的形状和尺寸都各不相同。所有红色水壶的容量都不一样多，蓝色水壶也是如此。而且，对于每一个红色水壶来说，都有一个对应的蓝色水壶，两者容量相等；反之亦然。 你的任务是找出所有的容量相等的红色水壶和蓝色水壶，并将它们配成一对。为此，可以执行如下操作：挑出一对水壶，其中一个是红色的，另一个是蓝色的，将红色水壶中倒满水，再将水倒入蓝色水壶中。...
2020-02-20 01:21:05
1187
2
原创 算法导论 — 思考题8-3 变长数据项的排序
（变长数据项的排序） a. 给定一个整数数组，其中不同的整数所包含的数字的位数可能不同，但该数组中，所有整数中包含的总数字位数为nnn。设计一个算法，使其可以在O(n)O(n)O(n)时间内对该数组进行排序。 b. 给定一个字符串数组，其中不同的字符串所包含的字符数可能不同，但所有字符串中的总字符个数为nnn。设计一个算法，使其可以在O(n)O(n)O(n)时间内对该数组进行排序。（注意：...
2020-02-04 13:17:55
1445
3
原创 算法导论 — 思考题8-2 线性时间原址排序
（线性时间原址排序）假设有一个包含nnn个待排序数据记录的数组，且每条记录的关键字的值为000或111。对这样一组记录进行排序的算法可能具备如下三种特性中的一部分： 1. 算法的时间代价是O(n)O(n)O(n)。 2. 算法是稳定的。 3. 算法是原址排序，除了输入数组之外，算法只需要固定的额外存储空间。 a. 给出一个满足上述条件1和条件2的算法。 b. 给出一个满足上述条...
2020-01-27 21:07:09
628
1
原创 算法导论 — 思考题8-1 比较排序的概率下界
（比较排序的概率下界）在这一问题中，我们将证明对于给定的nnn个互异的输入元素，任何确定或随机的比较排序算法，其概率运行时间都有下界Ω(nlgn)Ω(n{\rm lg}n)Ω(nlgn)。首先来分析一个确定的比较排序算法AAA，其决策树为TATATA。假设AAA的输入的每一种排列情况都是等可能的。 a. 假设TATATA的每个叶结点都标有在给定的随机输入情况下到达该终点的概率。证明：恰有n!n...
2020-01-18 22:24:49
1294
原创 算法导论 — 8.4 桶排序
笔记为简化对于桶排序的分析，我们假设nnn个输入数据分布在[0,1)[0, 1)[0,1)区间上。将[0,1)[0, 1)[0,1)区间划分为nnn个相同大小的子区间，这些子区间都称为桶。如果输入数据是均匀分布的，可以预见每个桶所包含的元素个数是近乎均匀的，不太可能出现很多元素都落在同一个桶中的情况。为得到输出，我们先对每个桶中的元素进行排序，然按照次序把每个桶中的元素列出来即可。 在下面桶...
2020-01-16 01:14:10
1016
1
原创 算法导论 — 8.3 基数排序
笔记基数排序的做法为：对一组输入整数，先按最低位数字排好序，然后按次低位数字排好序，如此迭代，直至最后一步按最高位数字排好序，此时所有输入数据已排好序。基数排序要求对单个数字采用的排序算法是稳定的。 以十进制数为例，基数排序算法先按个位数字排序，然后按十位数字排序……直至最后按最高位数字排序。下图给出了一个例子。 下面给出基数排序的伪代码。在下面的代码中，我们假设输入数组AAA包含...
2020-01-14 23:25:24
994
原创 算法导论 — 8.2 计数排序
笔记假设输入的nnn个元素中的每一个都是在000 ~ kkk内的一个整数。kkk表示了输入元素所处的范围。一般在kkk远小于nnn时，可以采用计数排序算法。 计数排序的基本思想是：对每一个输入元素xxx，确定小于xxx的元素个数。利用这一信息，可以直接把xxx放到正确的位置。例如，如果有171717个元素小于xxx，则x就应该放在第181818个位置上。 以下为计数排序的伪代码。假设输入...
2019-11-21 00:16:44
628
原创 算法导论 — 8.1 排序算法的下界
笔记我们所熟知的插入排序、归并排序、快速排序等排序算法，它们的排序过程都依赖于比较元素间的大小，我们称这些算法为比较排序。本节讨论比较排序算法的运行时间的下界。 给定一个输入序列<a1,a2,…,an><a_1, a_2, …,a_n><a1,a2,…,an>。为简化分析，假定所有输入元素都是互异的。 比较排序可以抽象为一棵决策树。下图决策树展示...
2019-11-12 00:24:30
1671
原创 算法导论 — 思考题3-4 渐近记号的性质
（渐近记号的性质）假设f(n)f(n)f(n)和g(n)g(n)g(n)为渐近正函数。证明或反驳下面的每个猜测。 a. f(n)=O(g(n))f(n) = O(g(n))f(n)=O(g(n))蕴含g(n)=O(f(n))g(n) = O(f(n))g(n)=O(f(n))。 b. f(n)+g(n)=Θ(min(f(n),g(n)))f(n) + g(n) = Θ({\rm min}(...
2019-04-09 23:18:10
2581
原创 算法导论 — 思考题3-3 根据渐近增长率排序
（根据渐近增长率排序） a. 根据增长的阶来排序下面的函数，即求出满足g1=Ω(g2),g2=Ω(g3),…,g29=Ω(g30)g_1 = Ω(g_2), g_2 = Ω(g_3), …, g_{29} = Ω(g_{30})g1=Ω(g2),g2=Ω(g3),…,g29=Ω(g30)的函数的一种排序g1,g2,…,g30g_1, g_2, …, g_{30}g1,g2,…,...
2019-04-09 22:23:38
11014
原创 算法导论 — 3.2 标准记号与常用函数
笔记1. 向下取整与向上取整 ⌊x⌋⌊x⌋⌊x⌋是对xxx向下取整，表示小于或等于xxx的最大整数。⌈x⌉⌈x⌉⌈x⌉是对xxx向上取整，表示大于或等于xxx的最小整数。向下取整与向上取整具有以下规律： (1) 对所有实数xxx，有x−1<⌊x⌋≤x≤⌈x⌉<x+1x-1<⌊x⌋≤x≤⌈x⌉<x+1x−1<⌊x⌋≤x≤⌈x⌉&...
2019-04-08 17:34:57
887
1
原创 算法导论 — 3.1 渐近记号
笔记通常我们分析一个算法，不用去关心它的精确运行时间，而是要研究它的渐近效率。“““渐近”””在这里的意思是，当输入规模足够大时，并且输入规模趋向于∞∞∞时，算法运行时间的增长能体现出某种明显的规律性，即算法的运行时间按照某种特定的规律随输入规模的变大而增长。 在第2章中，我们介绍了两种排序算法：插入排序和归并排序，它们的渐近运行时间分别为Θ(n2)Θ(n^2)Θ(n2)和Θ(nlgn)Θ(...
2019-04-02 12:18:34
828
1
原创 算法导论 — 思考题2-4 逆序对
（逆序对）假设A[1..n]A[1..n]A[1..n]是一个有nnn个不同数的数组。若i<ji < ji<j且A[i]>A[j]A[i] > A[j]A[i]>A[j]，则对偶(i,j)(i, j)(i,j)称为A的一个逆序对(inversion)。 a. 列出数组<2,3,8,6,1>&...
2019-04-01 21:03:37
9305
原创 算法导论 — 比较排序算法对比实验
《算法导论》这本书介绍了5种比较排序算法：插入排序、冒泡排序、归并排序、堆排序、快速排序。我们现在通过实验来对比这5种排序算法的运行时间。用随机数发生器生成不同长度的数组，将每种算法应用于不同长度的数组，统计程序的运行时间，从而得得每种算法的期望运行时间随输入规模的变化曲线。 1. 全部5种算法对比 如下图所示，横坐标是输入规模（数组长度），纵坐标是运行时间（单位：μsμsμs）。其中，一...
2019-03-30 19:08:01
1219
原创 算法导论 — 2.3 设计算法
笔记算法设计方法有多种。插入排序使用了增量法：在排序子数组A[1..j−1]A[1..j-1]A[1..j−1]后，将单个元素A[j]A[j]A[j]插入子数组的适当位置，产生排序好的子数组A[1..j]A[1..j]A[1..j]。 本节采用另一种方法，即分治法，同样来完成数组的排序。总的来说，分治法的思想是：将原问题分解为几个规模较小但类似于原问题的子问题，递归地求解这些子问题，然后再合...
2019-03-26 23:29:41
691
原创 算法导论 — 2.2 算法分析
练习2.2-1 用ΘΘΘ记号表示函数n3/1000–100n2–100n+3n^3/1000 – 100n^2 – 100n + 3n3/1000–100n2–100n+3。 解 Θ(n3)Θ(n^3)Θ(n3)。 2.2-2 考虑排序存储在数组AAA中的nnn个数：首先找出AAA中的最小元素并将其与A[1]A[1]A[1]中的元素进行交换。接着，找出AAA中的次最小元素并将其与A...
2019-03-26 22:56:03
645
原创 算法导论 — 2.1 插入排序
笔记插入排序是最简单的一种排序算法，它的伪代码如下。 相信读者对插入排序都很熟悉，并且算法很简单，这里就不做具体分析了。练习2.1-1 以图2-2为模型，说明INSERTION-SORT在数组A=<31,41,59,26,41,58>A = <31, 41, 59, 26, 41, 58>A=<31,41,59,26,4...
2019-03-26 22:47:20
426
原创 算法导论 — 思考题7-6 对区间的模糊排序
（对区间的模糊排序）考虑这样的一种排序问题：我们无法准确知道待排序的数字是什么。但对于每一个数，我们知道它属于实数轴上的某个区间。也就是说，我们得到了nnn个形如[ai,bi][a_i, b_i][ai,bi]的闭区间，其中ai≤bia_i ≤ b_iai≤bi。我们的目标是实现这些区间的模糊排序，即对j=1,2,…,nj = 1, 2, …, nj=1,2,…,n，生成一个区间的排列&a...
2019-03-26 22:16:27
540
原创 算法导论 — 思考题7-5 三数取中划分
（三数取中划分）一种改进RANDOMIZED-QUICKSORT的方法是在划分时，要从子数组中更细致地选择作为主元的元素（而不是简单地随机选择）。常用的做法是三数取中法：从子数组中随机选出三个元素，取其中位数作为主元（见练习7.4-6）。对于这个问题的分析，我们不妨假设数组A[1..n]A[1..n]A[1..n]的元素是互异的且有n≥3n ≥ 3n≥3。我们用A’[1..n]A’[1..n]A’...
2019-03-24 14:32:07
1449
原创 算法导论 — 思考题7-4 快速排序的栈深度
（快速排序的栈深度）7.1节中的QUICKSORT算法包含了两个对其自身的递归调用。在调用PARTITION后，QUICKSORT分别递归调用了左边的子数组和右边的子数组。QUICKSORT中的第二个递归调用并不是必须的。我们可以用一个循环控制结构来代替它。这一技术称为尾递归，好的编译器都提供这一功能。考虑下面这个版本的快速排序，它摸拟了尾递归的情况： a. 证明：TAIL−RECURS...
2019-03-24 14:18:45
1920
原创 算法导论 — 思考题7-3 另一种快速排序的分析方法
（另一种快速排序的分析方法）对随机化版本的快速排序算法，还有另一种性能分析方法，这一方法关注于每一次单独递归调用的期望运行时间，而不是比较次数。 a. 证明：给定一个大小为nnn的数组，任何特定元素被选为主元的概率为1/n1/n1/n。利用这一点来定义指示器随机变量Xi=IX_i = IXi=I{第iii小的元素被选为主元}，E[Xi]E[X_i]E[Xi]是什么？ b. 设T(n)T...
2019-03-23 23:55:08
489
11
原创 算法导论 — 思考题7-2 针对相同元素值的快速排序
（针对相同元素值的快速排序）在7.4.2节对随机化快速排序的分析中，我们假设输入元素的值是互异的。在本题中，我们将看看如果这一假设不成立会出现什么情况。 a. 如果所有输入元素的值都相同，那么随机化快速排序的运行时间会是多少？ b. PARTITION{\rm PARTITION}PARTITION过程返回一个数组下标qqq，使得A[p..q−1]A[p..q-1]A[p..q−1]中的每...
2019-03-23 22:50:08
2214
3
原创 算法导论 — 思考题 7-1 Hoare划分的正确性
（Hoare划分的正确性）本章中的PARTITION算法并不是其最初的版本。下面给出的是最早由C. R. Hoare所设计的划分算法： a. 试说明HOARE-PARTITION在数组A = {13, 19, 9, 5, 12, 8, 7, 4, 11, 2, 6, 21}上的操作过程，并说明在每一次执行第4~14行while循环时数组元素的值和辅助变量的值。 后续的三个问题要求读者...
2018-12-25 22:42:40
852
原创 算法导论 — 7.4 快速排序分析
笔记本节给出快速排序运行时间的详细分析。 (1) 最坏情况运行时间 假设T(n)T(n)T(n)是最坏情况下QUICKSORT的运行时间，那么T(n)T(n)T(n)满足以下递归式 因为调用PARTITION生成的2个子数组的长度加起来为n−1n-1n−1，因此上式中参数qqq的变化范围是0&amp;nbsp;n−10 ~ n-10&amp;nbsp;n−1。我们用代入法来证明T(n)=Θ(n...
2018-12-25 11:36:10
1266
原创 算法导论 — 7.3 快速排序的随机化版本
笔记7.2节提到，快速排序的平均情况时间复杂度为Θ(nlgn)Θ(n{\rm lg}n)Θ(nlgn)。然而实际应用中，输入数据有可能并不是完全随机排列的。比如，练习7.2-4描述的应用，需要排序的绝大多数输入数组都已经是基本有序的，在这种应用中，快速排序的效率总是十分低下。 为了避免在某些应用中，由于输入数据并不是完全随机排列的，它们可能具备或大致上具备某种规律性，从而导致快速排序总是效率...
2018-12-24 13:13:07
1334
原创 算法导论 — 7.2 快速排序的性能
笔记本节只给出快速排序运行时间的简单分析。快速排序的运行时间取决于PARTITION划分是否平衡，而划分的平衡与否又取决于用于划分的主元的选择。 1. 最坏情况时间复杂度 对于一个含nnn个元素的数组，PARTITION划分的最坏情况为：划分产生的两个子数组的大小分别为n−1n-1n−1和000时。假设快速排序每一次递归调用PARTITION都产生了最坏情况划分，那么算法的运行时间T(n...
2018-12-14 23:08:04
1279
原创 算法导论 — 7.1 快速排序的描述
笔记快速排序采用了分治的思想。对于一个数组A[p..r]A[p..r]A[p..r]，调用一个PARTITION过程，将它划分为两部分A[p..q−1]A[p..q-1]A[p..q−1]和A[q+1..r]A[q+1..r]A[q+1..r]，使得A[p..q−1]A[p..q-1]A[p..q−1]中的每一个元素都不大于A[q]A[q]A[q]，而A[q+1..r]A[q+1..r]A[q+...
2018-12-14 22:15:46
715
原创 算法导论 — 思考题6-3 Young氏矩阵
（Young氏矩阵）在一个m×nm×nm×n的Young氏矩阵(Young tableau)中，每一行的数据都是从左到右排序，每一列的数据都是从上到下排序的。Young氏矩阵中也会存在一些值为∞∞∞的数据项，表示那些不存在的元素。因此，Young氏矩阵可以用来存储r≤mnr ≤ mnr≤mn个有限的数。 a. 画出一个包含元素为{9, 16, 3, 2, 4, 8, 5, 14, 12}的4×...
2018-12-09 01:58:02
779
原创 算法导论 — 思考题6-2 对d叉堆的分析
（对ddd叉堆的分析）ddd叉堆与二叉堆很类似，但（一个可能的例外是）其中的每个非叶结点有ddd个孩子，而不是仅仅222个。 a. 如何在一个数组中表示一个ddd叉堆？ b. 包含nnn个元素的ddd叉堆的高度是多少？请用nnn和ddd表示。 c. 请给出EXTRACT-MAX在ddd叉最大堆上的一个有效实现，并用ddd和nnn表示出它的时间复杂度。 d. 给出INSERT在ddd...
2018-12-08 01:40:54
1655
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人