随笔分类 -  算法设计与分析

摘要:#include <stdio.h>#define N 6#define TRUE 1#define FALSE 0#define MAX_VALUE 9999typedef struct edge{ int from; int to; float weight;}edge;edge path[N]; //保存第1到N-1步的走法float c[N+1][N+1]; //保存邻接矩阵信息int closest[N+1]; //保存在S中 离 j最... 阅读全文
posted @ 2010-12-06 22:11 JarvisChu 阅读(205) 评论(0) 推荐(0)
摘要:一、问题 同文章 <分支限界法----旅行售货员问题>二、代码实现 程序实现了 递归回溯 解决该问题 迭代回溯算法仍在考虑中.../**************************************************************** *问 题:旅行售货员 *算 法:回溯法 *描 述:解空间为 排列树 ****************************************************************/#include <stdio.h>#define N 4 //城市数目#define NO_PATH -1 ... 阅读全文
posted @ 2010-12-06 17:37 JarvisChu 阅读(6371) 评论(0) 推荐(1)
摘要:一、说明 纠结了很久动态规划法与贪心算法的异同,光看理论文字的说明,没有能彻底搞清楚两者的区别究竟是什么。发现大家举得最多的一个比较两者区别例子就是找钱问题。解决这个找钱问题,可以很大程度上帮助我们理解动态规划法语贪心算法的区别二、问题 现只有面额为 11元、5元、1元的三种人民币。 给定一个 数目为 money 的人民币,如何用这三种面额的人民币 找开它,且用的人民币张数最少 如:给定 10元,我们可以有以下找法: 2张 5元面额 1张 5元面额 + 5 张 1元面额 10张 1元面额 我们 选择第一种找法。只用两张人民币。三、分析 利用动态规划法可以找到最... 阅读全文
posted @ 2010-12-05 22:17 JarvisChu 阅读(573) 评论(0) 推荐(0)
摘要:(转自)http://hi.baidu.com/35661327/blog/item/d5463e17f1e8d011972b439c.html 动态规划和贪心算法的区别 2009-07-27 13:18动态规划和贪心算法的区别动态规划和贪心算法都是一种递推算法均有局部最优解来推导全局最优解不同点:贪心算法:1.贪心算法中,作出的每步贪心决策都无法改变,因为贪心策略是由上一步的最优解推导下一步的最优解,而上一部之前的最优解则不作保留。2.由(1)中的介绍,可以知道贪心法正确的条件是:每一步的最优解一定包含上一步的最优解。动态规划算法:1.全局最优解中一定包含某... 阅读全文
posted @ 2010-12-05 17:17 JarvisChu 阅读(213) 评论(0) 推荐(0)
摘要:一、题目 给出一个多边形,满足: 1. 每个顶点是一个数值 2. 每条边是一个符号 我们将某个边断开,形成一条数值和符号组成的链,然后计算这条链的值。 1· 可以选择任意一条边断开。 2.求链的值时,可以不必按运算符的优先级顺序,任意选择先后 题目的要求是得到最大的值二、示例三、分析 1.如上图,我们将图的信息保存如下: 顶点数:REAL_SIZE = 3 顶点:v[3] = {1,2,3} 边:op[3] ={'+','x','+'} 2. 假如我们从 边i 断开,则形成了链v[i],op[i+1],v[i+1],op[i+2] .. 阅读全文
posted @ 2010-11-13 15:54 JarvisChu 阅读(492) 评论(0) 推荐(0)
摘要:一、问题描述某售货员要到若干城市去推销商品,已知各城市之间的路程(或旅费)。他要选定一条从驻地出发,经过每个城市一次,最后回到驻地的路线,使总的路程(或总旅费)最小。 如下图:1,2,3,4 四个城市及其路线费用图,任意两个城市之间不一定都有路可达。 二、问题理解 1.分支限界法利用的是广度优先搜索和最优值策略。 2.利用二维数组保存图信息City_Graph[MAX_SIZE][MAX_SIZE] 其中City_Graph[i][j]的值代表的是城市i与城市j之间的路径费用 一旦一个城市没有通向另外城市的路,则不可能有回路,不用再找下去了 3. 我们任意选择一个城市... 阅读全文
posted @ 2010-10-29 19:06 JarvisChu 阅读(1228) 评论(0) 推荐(0)