学习笔记 --《趣学算法》
算法
前言
- 算法作为一门学问有两条几乎平行的线索。同一个数据对象上有不同的问题，就可用到不同的算法策略。不同数据对象上的问题也能用到相同的算法策略。
- 数据结构（数据对象）：数、矩阵、集合、串、排列、图、表达式、分布等。
- 算法策略：贪心、分治、动态规划、搜索等。
- 时间复杂度排序
O(1) < O(logn) < O(n) < O(nlogn) < O(\(n^2\)) < O(\(n^3\)) <O(\(2^n\)) < O(!n) < O(\(n^n\))
1. 贪心算法
一个贪心算法总是做出当前最好的选择，也就是说，它期望通过局部最优选择从而得到全局最优的解决方案。
- 需要注意以下问题：
- 没有后悔药。
- 得到的可能是最优解的近似解。
- 贪心策略直接决定算法的好坏。
- 满足以下两种情况时可以使用贪心算法
- 贪心选择：指原问题的整体最优解可以通过一些列局部最优的选择得到。
- 最优子结构：当一个问题的最优解包含其子问题的最优解时，称具有最优子结构性质。
- 使用步骤
- 选取贪心策略
- 局部最优解：根据贪心策略，一步一步得到局部最优解。
- 相关算法：冒泡排序（贪心策略是每次从剩下序列中选一个最大的）、Dijkstra算法（图的最短路径问题）
2. 分治法
- 使用条件
- 原问题可分解为若干个规模较小的相同子问题。
- 子问题相互独立。
- 子问题的解可以合并为原问题的解。
- 解法步骤：
- 分解：将要解决的问题分解成若干个规模较小、相互独立、与原问题形式相同的子问题。
- 治理：求解各个子问题。
- 合并：将子问题的解追层合并构成原问题的解。
- 递归是体现分治法优势的利器。
- 相关算法：二分搜索、快速排序、归并排序等。
3. 动态规划
- 动态规划也是一种分治思想，但分治算法与不同的是：
- 分治算法是把原问题分解成若干个子问题，自顶向下求解个子问题，合并子问题的解，从而得到原问题的解。
- 动态规划也是把原问题分解成若干个子问题，然后自底向上，先求最小的子问题，把结果存储在表格中，再求大问题时，直接从表格中查询小问题的解，避免重复计算，从而提高效率。
- 使用条件
- 最优子结构：问题的最优解包含其子问题的最优解。
- 子问题重复（非必要）：求解子问题中，有大量子问题是重复的。求一次后放进表格，后面使用直接查询。
- 解法步骤：
- 分析最优解的结构特征
- 建立最优值递归式
- 自底向上计算最优值，并记录。
- 构造最优解。
- 相关算法：最长公共子序列、0-1背包问题等。
4. 回溯法
是一种选优搜索法，按照选优条件深度优先搜索，以达到目标。
- 回溯法是一种“能进则进，进不了则换，换不了则退”的搜索方法。
- 算法要素：
- 解空间：由所有可能解组成的空间。解空间越小，搜索效率越高。
- 解空间树：对解空间按照树的组织结构搜索最优解，是解空间的形象表示，提高搜索效率。
- 隐约束，也称剪枝函数，指对能否得到问题的最优解或可行解作出的约束，包括约束函数和限界函数。
- 解空间的大小和剪枝函数（隐约束）的好坏都直接影响搜索效率。
- 解法步骤：
- 定义解空间：解的组织形式一般都规范为一个n元组；显约束，是对解分量的取值范围的限定，可以控制解空间大小。
- 确定解的组织结构，通常用解空间树形象的表达。有子集树、排列树、m叉树等。
- 搜索解空间：按深度优先搜索策略，根据隐约束（约束函数和限界函数），在解空间搜索可行解或最优解，当不满足就回溯尝试其他路径。
- 若只要求可行解，则只需要约束函数；如果要求最优解，则要约束函数和限界函数。
- 显约束控制解空间大小，约束函数决定剪枝效率，限界函数决定是否得到最优解。
- 回溯法的关键是设计有效的显约束和隐约束。
- 相关算法：0-1背包、地图上色、n皇后问题等。
-
0-1背包举例，每个物品有重量和价格，求购物车能装的最大价值。
- 解空间{x1,x2,...,xn},显约束为\(x_i\)=0或\(x_i\)=1,表示装不装入购物车。解空间有\(2^n\)中可能解。
- 解空间树为子集树，树的深度为n。
- 约束条件为装入购物车总重量小于购物车承重。
- 限界条件，已装价值加上剩余全部物品价值能否大于当前记录的最大价值。
-
回溯函数bt，一般由以下部分组成。逻辑上就是一个遍历二叉树的过程。
- 参数肯定含有当前的层数。
- 一个判断到叶子的退栈出口。
- 若满足限制条件，选择当前节点，并递归进入下一层。
- 回退操作，取消选择当前节点。
- 在不选择当前节点情况下，递归进入下一层。
bt回溯函数常见结构
// 先定义解空间 解的组织形式一般都规范为一个n元组
// 相关记录值
void bt(int t,...)
{
if(t>M){ //到达叶子结点
// 保存结果
return;
}
// 满足限制条件选择当前节点，类似于往左子树走 可定义约束函数和限界函数
if(...)
{
// 选择当前节点
bt(t+1);
// 回退操作
}
// 满足限制条件不选择当前节点
if(...)
{
bt(t+1);
}
}
示例1，无剪枝
/** Author: Rui
** Create Date: 2022-03-27 10:53:31
** Description:
** 选n张卡牌，要求收集卡牌上数字之和最大，且必须为7的倍数
*/
#include <iostream>
using namespace std;
#define M 5
// 解空间 0与1选不选择 解空间树为子集树，树的深度为n
int select[M];
int nums[M] = {-2, -6, 15, 4, 5};
// 当前价值
int cp = 0;
// 最优值
int maxSum = 0;
// t表示当前节点为第几层
void bt(int t)
{
if (t >= M) //到达叶子结点
{
if (cp % 7 == 0)
maxSum=max(maxSum,cp); //保存最优解
return;
}
//左子树 选择当前值
select[t] = 1;
cp += nums[t];
bt(t + 1); //下一层
// 回溯
select[t] = 0;
cp -= nums[t];
// 右子树即不选择当前节点
bt(t + 1);
}
int main()
{
bt(0);
cout << maxSum << endl;
return 0;
}
浙公网安备 33010602011771号