jycboy的专栏

前边介绍了动态规划法求最大子段和，这里用分治法来求。 分治法顾名思义，就是分而治之，化大为小，把一个大问题的解逐步分成小问题，最后再把小问题的解逐步合成大问题的解。 上代码简单易懂：#include <stdio.h>int max_sub_sum(int a[],int left, int right){ int center,i,j,sum,left_sum,right_sum,s

利用回溯法解决全排列问题，借助状态数组，记录1–n是否使用，1已使用，0未使用。#include <stdio.h>int p=0,n,a[100],d[100];void main(){ int j; printf("输入n:\n"); scanf("%d",&n); for(j=1;j<=n;j++) d[j]=0; try(1);}void try(int k)

1、实验环境 Visual C++ 6.0 2、实验目的和要求 目的：给定一个带权有向图G=（V,E），其中每条边的权是一个实数。另外，还给定V中的一个顶点，称为源。现在要计算从源到其他所有各顶点的最短路径长度。这里的长度就是指路上各边权之和。3、解题思路、伪代码 3.1解题思路：将一个图G中所有的顶点V分成两个顶点集合S和T。以v为源点已经确定了最短路径的终点并入S集合中，S

一、动态规划思想：动态规划通过多阶段决策解决问题，每一次的决策结果序列都必须进行存储。因此，可以说：“动态规划是高效率、高消费”的算法。动态规划就是分支算法的升级版，它的实质是：分支算法+解决子问题冗余情况。 二、下面就从动态规划的角度设计算法。 1.记sum为a[1]–a[i]的最大子段和，this_sum[i]为当前字段和。 2.this_sum[i]从1开始累加：this_sum[j]=

1.问题的解空间是一颗排列树，简单的解决方法是在搜索排列书的同时，不断更新最优解，最后找到问题的解。 2.机器M1进行顺序加工，其加工时间f1是固定的， f1=f1+job[x[j]][1];。 机器M2则有可能空闲或积压。M2空闲时:f2[i]=f1+job[x[j]][2]; M2积压时：f2[i]=f2[i-1]+job[x[j]][2]; M2有空闲：