ACM训练贪心专题

先总结一下：

这次的练习虽然是贪心的主题，但是我在选题的时候还是故意的选了两道，一道水题，一道稍微难一点。来让大家分辨出是不是贪心。

Problem A

题意：输出能观看的最多的节目数。按照时间排序，根据时间的起点和终点进行贪心即可。

Problem B

题意：看似背包问题，实质为贪心。贪心专题一换豆子的变形。按性价比排序然后，把体积作为限制条件，一次贪心即可。

Problem C

题意：这个题目的几乎没有童鞋AC了，很是诧异。题目没有看懂？d:在第几天开始，s：开始的时间，e：结束时间。显然，要先根据d排序，然后按照s或者e排序.接着根据临街判定条件一次贪心即可。貌似也是贪心练习二中的“今年暑假不AC”的变形。

Problem D 题意：非贪心题目。看懂题目暴力枚举即可。

Problem E

题意：同A题和C题。不过不是求最多的战争数目，而是求了一种求法。

Problem F

题意：非贪心题目。数学题。掺杂字符串操作。详细看代码注释

贪心算法浅析

贪心算法浅析 摘要：本文讲述了贪心算法的基本思路及实现过程，贪心算法的特点、存在的问题以及应用。并通过贪心算法的特点举例列出了几个经典问题，通过对问题的探讨和研究，对贪心算法有了更加深入的了解。 关键词：贪心算法；最优解；最优子结构问题；删数问题；活动安排问题 贪心算法的基本思路及实现过程 1贪心的基本思想 用局部解构造全局解，即从问题的某一个初始解逐步逼近给定的目标，以尽可能快地求得更好的解。当某个算法中的某一步不能再继续前进时，算法停止。贪心算法思想的本质就是分治，或者说：分治是贪心的基础。每次都形成局部最优解，换一种方法说，就是每次都处理出一个最好的方案。 利用贪心策略解题，需要解决两个问题： （1）该题是否适合于用贪心策略求解； （2）如何选择贪心标准，以得到问题的最优/较优解。 2贪心算法的实现过程 （1）应用同一规则F，将原问题变为一个相似的、但规模更小的子问题； （2）从问题的某一初始解出发： While（能朝给定目标前进一步） 求出可行解的一个解元素； （3）由所有解元素组合成问题的一个可行解。 贪心算法的特点 贪心算法的最大特点就是快，通常是线性二次式，不需要多少额外的内存。一般二次方级的存储要浪费额外的空间，而且那些空间经常得不出正解。但是，使用贪心算法时，这些空间可以帮助算法更容易实现且更快执行。如果有正确贪心性质存在，那么一定要采用。因为它容易编写，容易调试，速度极快，并且节约空间。几乎可以说，此时它是所有算法中最好的。但是应该注意，贪心算法有两大难点：

（1）如何贪心 怎样用一个小规模的解构造更大规模的解呢?总体上，这与问题本身有关。但是大部分都是有规律的。正因为贪心有如此性质，它才能比其他算法快。 具有应当采用贪心算法的问题，当“贪心序列”中的每项互异且当问题没有重叠性时，看起来总能通过贪心算法取得（近似）最优解的。或者，总有一种直觉在引导我们对一些问题采用贪心算法。其中“找零钱”这个问题就是一个例子。题中给出的硬币面值事实上具有特殊性，如果面值发生变化，可能贪心算法就不能返回最优解了。但是，值得指出的是，当一个问题具有多个最优解时，贪心算法并不能求出所有最优解。另外，我们经过实践发现，单纯的贪心算法是顺序处理问题的；而且每个结果是可以在处理完一个数据后即时输出的。 （2）贪心的正确性 要证明贪心性质的正确性，才是贪心算法的真正挑战，因为并不是每次局部最优解都会与整体最优解之间有联系，往往靠贪心算法生成的解不是最优解。这样，贪心性质的证明就成了贪心算法正确的关键。对某些问题贪心性质也许是错的，即使它在大部分数据中都是可行的，但还必须考虑到所有可能出现的特殊情况，并证明该贪心性质在这些特殊情况中仍然正确。而这样容易陷入证明不正确贪心性质的泥塘中无法自拔，因为贪心算法的适用范围并不大，而且有一部分极难证明，若是没有把握，最好不要冒险，还有其他算法会比它要保险。 贪心算法存在的问题 （1）不能保证求得的最后解是最佳的。由于贪心策略总是采用从局部看来是最优的选择，因此并不从整体上加以考虑； （2）贪心算法只能用来求某些最大或最小解的问题； （3）贪心算法只能确定某些问题的可行性范围 贪心算法的应用 1哈夫曼编码 2 0-1背包问题 3磁盘文件的存储 4生产调度问题 5信息查询

分治算法试题

分治算法 当我们求解某些问题时，由于这些问题要处理的数据相当多，或求解过程相当复杂，使得直接求解法在时间上相当长，或者根本无法直接求出。对于这类问题，我们往往先把它分解成几个子问题，找到求出这几个子问题的解法后，再找到合适的方法，把它们组合成求整个问题的解法。如果这些子问题还较大，难以解决，可以再把它们分成几个更小的子问题，以此类推，直至可以直接求出解为止。这就是分治策略的基本思想。下面通过实例加以说明。 【例3】在n个元素中找出最大元素和最小元素。 我们可以把这n个元素放在一个数组中，用直接比较法求出。算法如下： BEGIN MIN:=A[1]：MAX:=A[1]； FOR I:=2 TO N DO BEGIN IF A[I] > MAX THEN MAX:=A[I]; IF A[I] < MIN THEN MIN:=A[I]; END． 上面这个算法需比较2(N-1)次，即时间复杂度是2(N-1）。能否找到更好的算法呢？我们用分治策略来讨论。 我们把n个元素分成 A1={A[1],...,A[int(n/2)]} 和 A2={A[INT(N/2)+1],...,A[N]} 两组，分别求这两组的最大值和最小值，然后分别将这两组的最大值和最小值相比较，求出全部元素的最大值和最小值。 如果A1和A2中的元素多于两个，则再用上述方法各分为两个子集。直至子集中元素至多两个元素为止。 例如有下面一组元素： -13，13，9，-5，7，23，0，15。用分治策略比较的过程如下： 图中每个方框中，左边是最小值，右边是最大值。从图中看出，用这种方法一共比较了10次，比直接比较法的14次减少4次，即约减少了1/3。 算法如下： procedure maxmin(i，j，max，min)； BEGIN CASE J-I OF 0：MAX:=A[I]；MIN:=A[I]; 1：IF A[I] < A[J] THEN MIN:=A[I];MAX:A[J]; ELSE MAX:=A[I];MIN:=A[J];

分治算法,贪心算法,动态规划,回溯法

实验报告 实验一 一、实验名称： 分治和动态规划算法实现 二、实验学时：4 三、实验内容和目的： 希望通过本次试验，加深对分治算法原理及实现过程的理解 (1) 二分法求方程近似解：求方程f(x) = x^3 + x^2 - 1 = 0在[0,1]上的近似解，精确度为0.01。 (2) 给定一个顺序表，编写一个求出其最大值和最小值的分治算法。 分析： 由于顺序表的结构没有给出，作为演示分治法这里从简顺序表取一整形数组数组大小由用户定义，数据随机生成。我们知道如果数组大小为 1 则可以直接给出结果，如果大小为 2则一次比较即可得出结果，于是我们找到求解该问题的子问题即: 数组大小 <= 2。到此我们就可以进行分治运算了，只要求解的问题数组长度比 2 大就继续分治，否则求解子问题的解并更新全局解以下是代码。 四、实验原理： 分治算法的基本思想是将一个规模为n的问题分解为k个规模较小的子问题，这些子问题相互独立且与原问题相同。递归的解这些子问题，然后将各子问题的解合并到原问题的解。 在递归算法中，原问题和子问题的区别关键在于尺寸的不同，实际上解决的是同样的问题，对于分解了的子问题分别求解，也可以在此分割，如此递归下去。最后，自底向上逐步求出原问题的解。 五、实验器材（设备、元器件） 电子科技大学计算机学院实验中心

硬件环境：i5-2450M双核处理器，2.5GHz，NVIDIA GT630M独立显卡芯片，1GB独立显存，2GB DDR3内存，500GB硬盘空间 软件环境：Windows 7操作系统及以上，Microsoft Visual Studio 2010 六、实验步骤： （一）给定一个顺序表，编写一个求出其最大值和最小值的分治算法。 编写实验源代码如下： /* 给定一个顺序表编写一个求出其最大值和最小值的分治算法 */ #include"stdafx.h" #include #include #include #include #define Len 1000000 #define MIN(a,b)((a)>(b)?(b):(a)) #define MAX(a,b)((a)>(b)?(a):(b)) int a[Len] , n ; int GetMin(int l,int r){ if (l==r) return a[l] ; int mid = (l+r)>>1 ; return MIN(GetMin(l,mid) , GetMin(mid+1,r)) ; } int GetMax(int l,int r){ if (l==r) return a[l] ; int mid = (l+r)>>1 ; return MAX(GetMax(l,mid) , GetMax(mid+1,r)) ; } int main() { int i ; printf("请输入您顺序表中元素的个数："); scanf("%d",&n); printf("请依次输入您顺序表中的元素："); for (i = 0 ; i < n ; i++) scanf("%d",&a[i]); printf("MinValue = %d\n",GetMin(0,n-1)) ; printf("MaxValue = %d\n",GetMax(0,n-1)) ; system("pause"); } 运行结果如下：

2020智慧树知到《算法分析与设计》章节测试完整答案

2020智慧树知到《算法分析与设计》章节 测试完整答案 智慧树知到《算法分析与设计》章节测试答案 第一章 1、给定一个实例，如果一个算法能得到正确解答，称这个算法解答了该问题。 答案: 错 2、一个问题的同一实例可以有不同的表示形式 答案: 对 3、同一数学模型使用不同的数据结构会有不同的算法，有效性有很大差别。 答案: 对 4、问题的两个要素是输入和实例。 答案: 错 5、算法与程序的区别是() A:输入 B:输出 C:确定性 D:有穷性 答案: 有穷性 6、解决问题的基本步骤是()。(1)算法设计(2)算法实现(3)数学

建模(4)算法分析(5)正确性证明 A:(3)(1)(4)(5)(2) B:(3)(4)(1)(5)(2) C:(3)(1)(5)(4)(2) D:(1)(2)(3)(4)(5) 答案: (3)(1)(5)(4)(2) 7、下面说法关于算法与问题的说法错误的是()。 A:如果一个算法能应用于问题的任意实例，并保证得到正确解答，称这个算法解答了该问题。 B:算法是一种计算方法，对问题的每个实例计算都能得到正确答案。 C:同一问题可能有几种不同的算法，解题思路和解题速度也会显著不同。 D:证明算法不正确，需要证明对任意实例算法都不能正确处理。 答案: 证明算法不正确，需要证明对任意实例算法都不能正确处理。 8、下面关于程序和算法的说法正确的是()。 A:算法的每一步骤必须要有确切的含义，必须是清楚的、无二义的。 B:程序是算法用某种程序设计语言的具体实现。 C:程序总是在有穷步的运算后终止。 D:算法是一个过程，计算机每次求解是针对问题的一个实例求

算法分析复习题目及答案

一。选择题 1、二分搜索算法是利用（ A ）实现的算法。 A、分治策略 B、动态规划法 C、贪心法 D、回溯法 2、下列不是动态规划算法基本步骤的是（ A ）。 A、找出最优解的性质 B、构造最优解 C、算出最优解 D、定义最优解 7、衡量一个算法好坏的标准是（C ）。 A 运行速度快 B 占用空间少 C 时间复杂度低 D 代码短 8、以下不可以使用分治法求解的是（D ）。 A 棋盘覆盖问题 B 选择问题 C 归并排序 D 0/1背包问题 14．哈弗曼编码的贪心算法所需的计算时间为（ B ）。 A、O（n2n） B、O（nlogn） C、O（2n） D、O（n） 18.下面是贪心算法的基本要素的是（ C ）。 A、重叠子问题 B、构造最优解 C、贪心选择性质 D、定义最优解 24. （ D ）是贪心算法与动态规划算法的共同点。 A、重叠子问题 B、构造最优解 C、贪心选择性质 D、最优子结构性质 25. 矩阵连乘问题的算法可由（ B）设计实现。 A、分支界限算法 B、动态规划算法 C、贪心算法 D、回溯算法 27、Strassen矩阵乘法是利用（ A ）实现的算法。 A、分治策略 B、动态规划法 C、贪心法 D、回溯法 29、使用分治法求解不需要满足的条件是（A ）。 A 子问题必须是一样的 B 子问题不能够重复 C 子问题的解可以合并 D 原问题和子问题使用相同的方法解 30、下面问题（B ）不能使用贪心法解决。 A 单源最短路径问题 B N皇后问题 C 最小花费生成树问题 D 背包问题

31、下列算法中不能解决0/1背包问题的是（A ） A 贪心法 B 动态规划 C 回溯法 D 分支限界法 34．实现合并排序利用的算法是（ A ）。 A、分治策略 B、动态规划法 C、贪心法 D、回溯法35．下列是动态规划算法基本要素的是（ D ）。 A、定义最优解 B、构造最优解 C、算出最优解 D、子问题重叠性质 36．下列算法中通常以自底向下的方式求解最优解的是（ B ）。 A、分治法 B、动态规划法 C、贪心法 D、回溯法 38、合并排序算法是利用（ A ）实现的算法。 A、分治策略 B、动态规划法 C、贪心法 D、回溯法 40、背包问题的贪心算法所需的计算时间为（ B ） A、O（n2n） B、O（nlogn） C、O（2n） D、O（n） 41．实现大整数的乘法是利用的算法（ C ）。 A、贪心法 B、动态规划法 C、分治策略 D、回溯法44．贪心算法与动态规划算法的主要区别是（ B ）。 A、最优子结构 B、贪心选择性质 C、构造最优解 D、定义最优解 47.背包问题的贪心算法所需的计算时间为（ B ）。 A、O（n2n） B、O（nlogn） C、O（2n） D、O（n） 52. 一个问题可用动态规划算法或贪心算法求解的关键特征是问题的（ B ）。 A、重叠子问题 B、最优子结构性质 C、贪心选择性质 D、定义最优解53．采用贪心算法的最优装载问题的主要计算量在于将集装箱依其重量从小到大排序，故算法的时间复杂度为 ( B ) 。 A、O（n2n） B、O（nlogn） C、O（2n） D、O（n） 55. 实现最长公共子序列利用的算法是（ B ）。 A、分治策略 B、动态规划法 C、贪心法 D、回溯法

分治算法讲解

分治算法 一：基本概念（分而治之） 分治就是把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。比如：二分查找，归并排序，快速排序，树的遍历等等 任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。问题的规模越小，越容易直接求解，解题所需的计算时间也越少。例如，对于n个元素的排序问题，当n=1时，不需任何计算。n=2时，只要作一次比较即可排好序。n=3时只要作3次比较即可，…。而当n较大时，问题就不那么容易处理了。要想直接解决一个规模较大的问题，有时是相当困难的。 二：基本思想 分治设计思想：将一个大的问题，分解成一个个小的，相同类型的问题，然后逐个击破各个小问题，最后将小问题逐步合并，得到最终的解。（可能会用到递归，大问题里包含小问题，找到规律然后解决） 分治基本策略：对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n 较小）则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解这些子问题，然后将各子问题的解合并得到原问题的解。 三：分治使用情况 1) 该问题的规模缩小到一定的程度就可以容易地解决 2) 该问题可以分解为相同类型的小问题（前提） 3) 利用该问题分解出的子问题的解可以合并为该问题的解；（关键） 4) 该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子子问题。 第三条特征是关键，能否利用分治法完全取决于问题是否具有第三条特征，如果具备了第一条和第二条特征，而不具备第三条特征，则可以考虑用贪心法或动态规划法。 四：基本步骤 （1）划分：把问题的实例划分成子问题 （2）求解：若是子问题比较简单，就直接解决，否则递归求解子问题 （3）合并：合并子问题的解得到原问题的解 课前引导： 一：分段函数 例如：高中数学中的分段函数也是类似分治思想的体现，如看图求y关于x的表达式。一个分段函数，反映的是x与y的关系，简单来说，就是在R的范围内将y的表达式表示出来，那么这时候利用分治的思想，将R区间划分为小区间，然后分别求出各个小区间的表达式，最后合并起来，完成y关于x的表达式的求解 二：大整数乘法 123 345 678 * 3 = 370 037 034 在这里我们可以这样写：

贪心算法实例

实验一分治与递归算法的应用 一、实验目的 1．掌握分治算法的基本思想（分-治-合）、技巧和效率分析方法。 2．熟练掌握用递归设计分治算法的基本步骤（基准与递归方程）。 3．学会利用分治算法解决实际问题。 二、实验内容 1.问题描述：线性时间选择 给定n个元素和一个整数k，要求用O(n)时间找出这n个元素中第k小元素。2．算法描述： Stept1：数据的保存，首先将数据保存到数组e[num]中，并输入k值。 Stept2：选择第一个数据作为分界数据，将比它小的数据储存在它的左边，比它大的储存在右边，这样左右子集就是原问题的两个独立子问题，在用同样的方法解决这些子问题，直到每个子集只有一个数据，就完成了全部的排序。 Stept3：改写快速排序，记一趟快速排序后，分解出左子集中的元素个数为nleft，这选择问题是以下几种情况： （1）nleft=k-1，则分界数据就是选择问题的解。 （2）nleft>k-1，则选择问题的解继续在左子集中找。 （3）nleft

5关键代码： int partition(int e[],inti,int j) { int tag=e[i];//用第1个记录作为基准' while(i=tag) j--; //从右向左扫描 e[i]=e[j]; while(inleft) returnSeltct(element,q+1,hi,k-nleft); } void main()

分治与贪心

实验三分治与贪心 一、实验目的与要求 熟悉C/C++语言的集成开发环境； 通过本实验加深对分治法、贪心算法的理解。 软件环境：操作系统：windows7 旗舰版 集成开发环境：visual studio 2010 旗舰版 硬件环境：处理器：因特尔Core i3 M 380 内存：2GB 二、实验内容: 掌握分治法、贪心算法的概念和基本思想，并结合具体的问题学习如何用相应策略进行求解的方法。 三、实验题 1. 【循环赛日程安排问题】计算机学院准备举办一次男生羽毛球单打比赛，现在总共 有16名选手报名，首轮比赛准备采取循环赛的形式进行角逐，要求必须在15天内比完，且每个选手每天只能安排一场比赛，请你帮助学生会安排首轮循环赛的比赛日程表。 2.【找零钱问题】一个小孩买了价值为33美分的糖，并将1美元的钱交给售货员。售 货员希望用数目最少的硬币找给小孩。假设提供了数目有限的面值为25美分、10美分、5美分、及1美分的硬币。给出一种找零钱的贪心算法。 四、实验步骤 理解算法思想和问题要求； 编程实现题目要求； 上机输入和调试自己所编的程序； 验证分析实验结果； 整理出实验报告。

五、实验程序 实验1： #include using namespace std; void dump(int *arr, int len);//输出比赛安排详情 void game(int *team, int len, int id);//分治法安排比赛 void game(int *team, int len, int id){//id为第id轮的安排 int base = 2; while (id > len/base){ id -= len/base; base <<= 1; } for (int i=0; i