GrazyThinking的专栏

这里主要是介绍一种证明贪心算法是最优的一种方法：Exchange Argument （不知道应该怎么翻译到中文，交换参数？感觉听起来挺别扭的，不像是一个方法的名字~o(╯□╰)o）Exchange Argument的主要的思想也就是 先假设 存在一个最优的算法和我们的贪心算法最接近，然后通过交换两个算法里的一个步骤(或元素)，得到一个新的最优的算法，同时这个算法比前一个最优算法更接近于我们

学期选了一门算法课（CS2510），搞的人死去活来，因为作业实在多的让人XX，每周3次作业从来没断过，而且都很难。。。。同时我们老师据说是北美算法界得重要人物，上课思路奇快，不用PPT，不用稿子，一支笔，在黑板上刷刷刷，加之英语，搞得我时常跟不上。。。怨念。。。不过还是学到了很多东西，基本cover了算法导论里面的各个内容。受益匪浅。准备写一些对基本算法知识的介绍。同时也权当是自己复习了。

动态规划，Dynamic Programming。这里的programming没有翻译成编程，是因为，这里的programming的意思是指一个tabular method。其实这也暗示了DP的本质，用一个table保存子问题的中间结果。（后面会有例子具体介绍）和分治算法比较类似，但不同的是分治算法把原问题划归为几个相互独立的子问题，从而一一解决，而动态规划则是针对子问题有重叠的情况的一种

先看一段来自wikipedia的定义：http://en.wikipedia.org/wiki/Divide_and_conquer_algorithmDivide and conquer (D&C) is an important algorithm design paradigm based on multi-branched recursion. A divide and conqu

基础概念贪心算法Formal的解释这里就不介绍了，有兴趣的直接去wikipedia上理解。简单地来说，贪心算法就是在某种规律下不断选取局部最优解，从而达到全局最优。《挑战程序设计竞赛》中有一个很直观的解释：一直向前！证明方法既然贪心算法是利用规律选取局部最优解，那么我们选取规律所得出的全局解就不一定是全局最优解。因此，我们需要证明，我们所选这个规律是可以得出一个全局

学习数据结构时，觉得时间复杂度计算很复杂，赶紧恶补一下吧：首先了解一下几个概念。一个是时间复杂度，一个是渐近时间复杂度。前者是某个算法的时间耗费，它是该算法所求解问题规模n的函数，而后者是指当问题规模趋向无穷大时，该算法时间复杂度的数量级。当我们评价一个算法的时间性能时，主要标准就是算法的渐近时间复杂度，因此，在算法分析时，往往对两者不予区分，经常是将渐近时间复杂度T(n)=O(f

首先解释一下什么是NP问题，什么是NP hard问题，什么是NP完全问题。看下面的图，他们之间的关系表示的比较清楚。P Problem：这个应该最易理解，就是一个问题可以在Polynominal的时间的得到解决，当然，是对于任意input size。NP Problem：对于一类问题，我们可能没有一个已知的快速的方法得到问题的答案，但是如果给我们一个candidate an