JarvisChu的专栏

上一篇回溯法中已经提到过，回溯法的思想是深度优先搜索加剪枝，与之相对，分支限界法的思想是广度优先搜索加剪枝。1. 分支限界法 – 广度优先搜素                                         1. 简单概述分支限界法思路的简单描述是：把问题的解空间转化成了图或者树的结构表示，然后使用广度优先搜索策略进行遍历，遍历的过程中记录和寻找所有可行解或者最优解

一. 回溯法 – 深度优先搜素                       1. 简单概述回溯法思路的简单描述是：把问题的解空间转化成了图或者树的结构表示，然后使用深度优先搜索策略进行遍历，遍历的过程中记录和寻找所有可行解或者最优解。基本思想类同于：图的深度优先搜索二叉树的后序遍历【分支限界法：广度优先搜索思想类同于：图的广度优先遍历二叉树的层序

<br />#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];

<br />一、说明<br /> <br />      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<br />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<br /> <br /> <br />二、问题<br />      现只有面额为 11元、5元、1元的三种人民币。<br />      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

贪心算法中“贪心”二字形象的说明了该算法的基本思想：贪心（每一步选择都是眼下的局部最优选择）。比如每次给你1张面额不定的纸币，共10次，你这么选？肯定是每次都要一张100元的。当你要拿第一张时，此时眼下最优的选择就是拿一张100的，不会管拿了之后会不会对后面的9张产生影响。这就是一种贪心，当然这种情况下的贪心选择也是最优的选择，因为局部最优导致了整体的最优。贪心算法常用于求解最优解

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

分治算法将规模较大的问题划分成规模较小的子问题，通常，这些子问题是不重叠的。这一篇要介绍的动态规划算法，也是基于问题划分，区别在于划分的子问题是有重叠的（黄色部分），这样在求解的过程中，对于重叠的部分只要求解一次，记录下结果（备忘录方法），其他子问题中直接使用即可，减少了重复计算，效率更高。如下图，在计算子问题A的时候需要计算A的子问题a,b,c，计算B的时候需要计算b,c,d，这里b，c

分治算法的设计模式 - 大化小，小化了分治算法的主要步骤就是：分解，求解，合并。Divide-and-Conquer(P){ //问题规模足够小，直接解决 if(P≤n0) return(ADHOC(P); //问题规模大，则分解为较小的子问题 P1 ,P2 ,...,Pk divide p into smaller subin

上一篇中讲解了算法的基本概念，算法许许多多，按照算法基本思想，大致可分为如下几类：分治算法、贪心算法、动态规划、回溯法、分支限界、概率算法和随机算法等等。这一篇讲解分治算法。分治算法分治即分而治之。一个问题规模过大不容易直接解决，就可以划分成许多小问题，如果小问题不容易求解，那么可以再划分成规模更小的问题，直到规模小到很容易解决为止，解决这些小问题，再将小问题的解合并成大问题的解。这就是分

1.  算法是什么算法：顾名思义，一种计算的方法，在程序设计上，就表现为一组指令序列。为了使得算法有意义，还规定算法必须是有限的和确定的，也就是说算法的执行时间有限、执行的过程是确定的。 比如我们写了代码int a = 10; //a，b为输入数据int b = 20;int c = a+b; //c为输出数据，算法为加法运算