基本算法思想

3. 基本算法思想

3.1 常用算法思想概述

常用算法分类:

  • 穷举算法思想
  • 递推算法思想
  • 递归算法思想
  • 分治算法思想
  • 概率算法思想

3.2 穷举算法思想

3.2.1 穷举算法基本思想

穷举算法的基本思想就是从所有可能的情况中搜索正确的答案,其执行步骤如下∶

  1. 对于一种可能的情况,计算其结果。
  2. 判断结果是否满足要求,如果不满足则进行执行第(1)步来搜索下一个可能的情况; 如果满足要求,则表示寻找到一个正确的答案。

在使用穷举算法时,需要明确问题的答案的范围,这样才可以在指定范围内搜索答案。指定范围之后,就可以使用循环语句和条件判断语句逐步验证候选答案的正确性,从而得到需要的正确答案。

3.2.2 穷举算法实例

鸡兔同笼

今有鸡兔同笼,上有三十五头,下有九十四足,问鸡兔各几何?

这个问题的大致意思是;在一个笼子里关着若干只鸡和若干只兔,从上面数共有35 个头; 从下面数共有 94 只脚。问笼中鸡和兔的数量各是多少?

示例代码:

public class ChickenAndRabbit {

    static int chicken, rabbit;

    /**
     * 穷举算法
     * @param head 头的个数
     * @param foot 脚的个数
     * @return 0:无法匹配到相应的值;1:计算成功
     */
    public static int exhaustion(int head, int foot) {
        int result = 0;
        int i, j;
        for (i = 0; i < head; i++) {
            j = head - i;
            if (i * 2 + j * 4 == foot) {     // i表示鸡的个数;j表示兔的个数
                chicken = i;
                rabbit = j;
                result = 1;
            }
        }
        return result;
    }

    public static void main(String[] args) {
        int flag = exhaustion(35, 94);
        if (flag==1){
            System.out.println("鸡有:" + chicken + "\n兔有:" + rabbit);
        }else {
            System.out.println("无法匹配到相应的值!!!");
        }
    }

}

3.3 递推算法思想

3.3.1 递推算法基本思想

递推算法是一种理性思维模式的代表,其根据已有的数据和关系,逐步推导而得到结果。递推算法的执行过程如下∶

  1. 根据已知结果和关系,求解中间结果。
  2. 判定是否达到要求,如果没有达到,则继续根据已知结果和关系求解中间结果;如果满足要求,则表示寻找到一个正确的答案。

递推算法往往需要用户知道答案和问题之间的逻辑关系。在许多数学问题中,都有着明确的计算公式可以遵循,因此往往可以采用递推算法来实现。

3.3.2 递推算法实例

13世纪意大利数学家斐波那契的《算盘书》中记载了兔子产仔问题。

如果一对两个月大的兔子以后每一个月都可以生一对小兔子,而一对新生的兔子出生两个月后才可以生小兔子。也就是说,1月份出生,3月份才可产仔。那么假定一年内没有产生兔子死亡事件,那么1年后共有多少对兔子呢?

分析

第一个月:1对兔子;A
第二个月:1对兔子;A
第三个月:2对兔子;A,B
第四个月:3对兔子;A,B,C
第五个月:5对兔子;A,B,C,D,E

第n月的兔子F n _{n} n = F n − 2 _{n-2} n2 + F n − 1 _{n-1} n1
前两个月的兔子加上前一个月的兔子

实例代码如下:

public class BunnyGivesBirth {

    /**
     * 递推
     * @param n 月数
     * @return
     */
    public static int recursion(int n){
        int m1,m2;  //m1:前一个月的数量,m2:前两个月的数量

        if (n ==1 || n == 2){
            return 1;
        }else{
            // 递归调用
            m1 = recursion(n-1);
            m2 = recursion(n-2);
            return m1 + m2;
        }
    }

    public static void main(String[] args) {
        int n = 12*3;
        System.out.println("经过" + n + "月,兔子有:" + recursion(n)+"对");
    }
}

3.4 递归算法思想

3.4.1 递归算法基本思想

递归调用是一个方法在其方法体内调用其自身的方法调用方式。这种方法也称为"递归方法”在递归方法中,主调方法又是被调方法。执行递归方法将反复调用其自身。每调用一次就进入新的一层。

方法的递归调用分两种情况∶

  • 直接递归,即在方法中调用方法本身。
  • 间接递归,即间接地调用一个方法,如 func_a 调用 func_b,func_b 又调用 func_a。间接递归用得不多。

编写递归方法时,必须使用 if语句强制方法在未执行递归调用前返回。如果不这样做,在调用方法后,它将永远不会返回,这是一个很容易犯的错误。

优点

程序代码更简洁清晰,可读性更好。有的算法用递归表示要比用循环表示简洁精练,而且某些问题,特别是与人工智能有关的问题,更适宜用递归方法,如八皇后问题、汉诺塔问题等。有的算法,用递归能实现,而用循环却不一定能实现。

缺点

大部分递归例程没有明显地减少代码规模和节省内存空间。递归形式比非递归形式运行速度要慢一些。这是因为附加的方法调用增加了时间开销,例如需要执行一系列的压栈出栈等操作。但在许多情况下,速度的差别不太明显。如果递归层次太深,还可能导致堆栈溢出。

3.4.2 递归算法实例

求阶乘
对于n的阶乘:

n! = n*(n-1)*(n-2) * ......* 2* 1

对于n-1的阶乘:

(n-1)! = (n-1) * (n-2)* ......* 2* 1

示例代码如下:

public class FactorialDemo {

    public static int fact(int n) {
        if (n <= 1) {
            return 1;
        } else {
            // 递归调用
            return n * fact(n - 1);
        }
    }

    public static void main(String[] args) {
        int x = 14;
        System.out.println(x + "的阶乘为:" + fact(x));
    }
}

3.5 分治算法思想

3.5.1 分治算法基本思想

分治算法的基本思想是将一个计算复杂的问题分为规模较小,计算简单的小问题求解,然后综合各个小问题,而得到最终问题的答案。
分治算法的执行过程如下∶

  1. 对于一个规模为 N 的问题,若该问题可以容易地解决(比如说规模N 较小),则直接解决;否则执行下面的步骤。
  2. 将该分解为 M个规模较小的子问题,这些子问题互相独立,并且与原问题形式相同。(3)递归地解这些子问题。
  3. 然后,将各子问题的解合并得到原问题的解。

使用分治算法需要待求解问题能够化简为若干个小规模的相同问题,通过逐步划分,能够达到一个易于求解的阶段而直接进行求解。然后,程序中可以使用递归算法来进行求解。

3.5.2 分治算法实例

寻找假币问题

操作步骤具体如下:

  1. 首先为每个银币编号,然后可以将所有的银币等分为两份,放在天平的两边。这样就将区分 30 个硬币的问题,变为区别两堆硬币的问题。
  2. 因为假银币的分量较轻,因此天平较轻的一侧中一定包含假银币。
  3. 再将较轻的一侧中的硬银币等分为两份,重复上述的做法。
  4. 直到剩下两枚硬银币,可用天平直接找出假银币来。

示例代码如下:

public class DivideAndRuleDemo {

    public static int divide(int[] arr, int begin, int end) {
        int i = 0;
        int resultIndex = 0;
        int sumBegin = 0, sumEnd = 0, sum = 0;
        if (begin + 1 == end) {
            if (arr[begin] < arr[end]) {
                resultIndex = begin + 1;
                return resultIndex;
            } else {
                resultIndex = end + 1;
                return resultIndex;
            }
        }
        if ((end - begin + 1) % 2 == 0) {
            // 偶数个
            // 前半段
            for (i = begin; i <= begin + ((end - begin) / 2); i++) {
                sumBegin += arr[i];
            }
            // 后半段
            for (i = begin + ((end - begin) / 2) + 1; i <= end; i++) {
                sumEnd += arr[i];
            }
            if (sumBegin > sumEnd) {
                resultIndex = divide(arr, begin + ((end - begin) / 2) + 1, end);
            } else if (sumEnd > sumBegin) {
                resultIndex = divide(arr, begin, begin + ((end - begin) / 2));
                return resultIndex;
            }
        } else {
            // 奇数个
            // 前半段
            for (i = begin; i <= begin + ((end - begin) / 2) - 1; i++) {
                sumBegin += arr[i];
            }
            // 后半段
            for (i = begin + ((end - begin) / 2) + 1 + 1; i <= end; i++) {
                sumEnd += arr[i];
            }
            // 中间的一个值
            sum = arr[begin + ((end - begin) / 2)];

            if (sumBegin > sumEnd) {
                resultIndex = divide(arr, begin + ((end - begin) / 2) + 1, end);
            } else if (sumEnd > sumBegin) {
                resultIndex = divide(arr, begin, begin + ((end - begin) / 2) - 1);
                return resultIndex;
            }

            if (sumEnd + sum == sumBegin + sum) {
                resultIndex = begin + ((end - begin) / 2) + 1;
                return resultIndex;
            }
        }
        return resultIndex;
    }

    public static void main(String[] args) {
        int len = 100;
        int index = new Random().nextInt(100);
        int value = new Random().nextInt(100);
        int[] arr = new int[len];
        for (int i = 0; i < len; i++) {
            arr[i] = value;
        }

        arr[index] = value - 1;

        int result = divide(arr, 0, len - 1);
        System.out.println(index+1);
        System.out.println(result);
    }
}

3.6 概率算法

3.6.1 概率算法基本思想

概率算法执行的基本过程:

  1. 将问题转化为相应的几何图形 S,S 的面积是容易计算的,问题的结果往往对应几何图形中某一部分S1 的面积。
  2. 然后,向几何图形中随机撒点。
  3. 统计几何图形S中和 S1中的点数。根据 S 的面积和 S1 面积的关系以及各图形中的点数来计算得到结果。
  4. 判断上述结果是否在需要的精度之内,如果未达到精度则进行执行步骤(2)。如果达到精度,则输出近似结果。

概率算法大致分为如下4 种形式∶

  • 数值概率算法;
  • 蒙特卡罗(Monte Carlo)算法;
  • 拉斯维加斯(Las Vegas)算法;
  • 舍伍德(Sherwood)算法;

3.6.2 概率算法实例

蒙特卡罗π算法思想

一个半径为1的圆,如下图所示:

在这里插入图片描述

圆的面积公式如下:
在这里插入图片描述

阴影面积公式如下:
在这里插入图片描述
正方形的面积为:
在这里插入图片描述

这样,按照图示建立一个坐标系。如果均匀地向正方形内撒点,那么落入阴影部分的点数与全部的点数之比应该就是;
在这里插入图片描述

通过这个原理,就可以计算圆周率的近似值。

蒙特卡罗算法计算规律:

  • 均匀撒点;在C语言中可以使用随机方法来实现,产生[0,1]之间随机的坐标值[x,y]。
  • 区域判断:图中阴影部分的特点是距离坐标圆点的距离小于等于1,这样通过计算判断x 2 ^{2} 2+y 2 ^{2} 2 ≤ 1来实现。

实例代码如下:

public class MonteCarloDemo {

    public static double monteCarlPI(int n) {
        double PI;
        double x, y;
        int i, sum = 0;

        for (i = 0; i < n; i++) {
            x = Math.random();        // 产生一个0~1之间的随机数
            y = Math.random();

            if ((Math.pow(x, 2) + Math.pow(y, 2)) <= 1) {
                sum++;      // 计数
            }
        }
        PI = 4.0 * sum / n;
        return PI;
    }

    public static void main(String[] args) {
        int n = 10000 + new Random().nextInt(10000);
        double pi = monteCarlPI(n);
        System.out.println("撒点次数:" + n + "\nPI:" + pi);
    }
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值