最優演算法

① 迷宮問題得到最優演算法的條件是什麼

源程序：//base.h#include#include#include#defineTRUE1#defineFALSE0#defineOK1#defineERROR0#defineOVERFLOW-2typedefintStatus;//stack.h#include"base.h"#defineINIT_SIZE100//存儲空間初始分配量#defineINCREMENT10//存儲空間分配增量typedefstruct{//迷宮中r行c列的位置intr;intc;}PostType;typedefstruct{intord;//當前位置在路徑上的序號PostTypeseat;//當前坐標intdi;//往下一坐標的方向}SElemType;//棧元素類型typedefstruct{SElemType*base;//棧基址,構造前銷毀後為空SElemType*top;//棧頂intstackSize;//棧容量}Stack;//棧類型StatusInitStack(Stack&S){//構造空棧sS.base=(SElemType*)malloc(INIT_SIZE*sizeof(SElemType));if(!S.base)exit(OVERFLOW);//存儲分配失敗S.top=S.base;S.stackSize=INIT_SIZE;returnOK;}//InitStackStatusStackEmpty(StackS){//若s為空返回TRUE,否則返回FALSEif(S.top==S.base)returnTRUE;returnFALSE;}//StackEmptyStatusPush(Stack&S,SElemTypee){//插入元素e為新的棧頂元素if(S.top-S.base>=S.stackSize){//棧滿，加空間S.base=(SElemType*)realloc(S.base,(S.stackSize+INCREMENT)*sizeof(SElemType));if(!S.base)exit(OVERFLOW);//存儲分配失敗S.top=S.base+S.stackSize;S.stackSize+=INCREMENT;}*S.top++=e;returnOK;}//pushStatusPop(Stack&S,SElemType&e){//若棧不空刪除棧//頂元素用e返回並返回OK，否則返回ERRORif(S.top==S.base)returnERROR;e=*--S.top;returnOK;}//PopStatusDestroyStack(Stack&S){//銷毀棧S,free(S.base);S.top=S.base;returnOK;

② 優化演算法是什麼呢

優化演算法是指對演算法的有關性能進行優化，如時間復雜度、空間復雜度、正確性、健壯性。

大數據時代到來，演算法要處理數據的數量級也越來越大以及處理問題的場景千變萬化。為了增強演算法的處理問題的能力，對演算法進行優化是必不可少的。演算法優化一般是對演算法結構和收斂性進行優化。

同一問題可用不同演算法解決，而一個演算法的質量優劣將影響到演算法乃至程序的效率。演算法分析的目的在於選擇合適演算法和改進演算法。一個演算法的評價主要從時間復雜度和空間復雜度來考慮。

遺傳演算法

遺傳演算法也是受自然科學的啟發。這類演算法的運行過程是先隨機生成一組解，稱之為種群。在優化過程中的每一步，演算法會計算整個種群的成本函數，從而得到一個有關題解的排序，在對題解排序之後，一個新的種群----稱之為下一代就被創建出來了。首先，我們將當前種群中位於最頂端的題解加入其所在的新種群中，稱之為精英選拔法。新種群中的餘下部分是由修改最優解後形成的全新解組成。

常用的有兩種修改題解的方法。其中一種稱為變異，其做法是對一個既有解進行微小的、簡單的、隨機的改變；修改題解的另一種方法稱為交叉或配對，這種方法是選取最優解種的兩個解，然後將它們按某種方式進行組合。爾後，這一過程會一直重復進行，直到達到指定的迭代次數，或者連續經過數代後題解都沒有改善時停止。

③ 時間復雜性達到什麼的演算法稱為最優演算法

失戀復雜性達到什麼的演算法稱為最優演算法最優演算法就是它的使用程度遠遠高於其他的演算法，而且他的演算法的適用性比較強

④ 什麼是最優適應分配演算法

分區分配演算法(Partitioning Placement Algorithm) ，共有3種。分別為最佳適應演算法、首次適應演算法、循環首次適應演算法。

1、最佳適應演算法（Best Fit）：
它從全部空閑區中找出能滿足作業要求的、且大小最小的空閑分區，這種方法能使碎片盡量小。為適應此演算法，空閑分區表（空閑區鏈）中的空閑分區要按大小從小到大進行排序，自表頭開始查找到第一個滿足要求的自由分區分配。該演算法保留大的空閑區，但造成許多小的空閑區。

2、首次適應演算法（First Fit）：
從空閑分區表的第一個表目起查找該表，把最先能夠滿足要求的空閑區分配給作業，這種方法目的在於減少查找時間。為適應這種演算法，空閑分區表（空閑區鏈）中的空閑分區要按地址由低到高進行排序。該演算法優先使用低址部分空閑區，在低址空間造成許多小的空閑區，在高地址空間保留大的空閑區。

3、循環首次適應演算法(Next Fit)：
該演算法是首次適應演算法的變種。在分配內存空間時，不再每次從表頭（鏈首）開始查找，而是從上次找到空閑區的下一個空閑開始查找，直到找到第一個能滿足要求的的空閑區為止，並從中劃出一塊與請求大小相等的內存空間分配給作業。該演算法能使內存中的空閑區分布得較均勻。

⑤ 什麼是最佳適應演算法

最佳適應演算法是從全部空閑區中找出能滿足作業要求的、且大小最小的空閑分區的一種計算方法，這種方法能使碎片盡量小。
最佳適應演算法（Best Fit）：
它從全部空閑區中找出能滿足作業要求的、且大小最小的空閑分區，這種方法能使碎片盡量小。為適應此演算法，空閑分區表（空閑區鏈）中的空閑分區要按從小到大進行排序，自表頭開始查找到第一個滿足要求的自由分區分配。該演算法保留大的空閑區，但造成許多小的空閑區。
Best fit演算法等價於裝箱問題，舉例如下：
裝箱問題：有體積為V的箱子N個，體積為Vi的物品M個，求使得物品全部能夠裝入箱子，箱子數量的最小值。
假設 V=6 M=10，V1，V2，...,V10分別為：3 4 4 3 5 1 2 5 3 1。計算過程如下：
第一步按物品體積降序排序：5 5 4 4 3 3 3 2 1 1
第二步：取未裝箱的最大值5裝入第一個箱子。
第三步：判斷第一個箱子是否已滿，不滿且剩餘空間為1，搜尋剩下體積小於等於1的物品填入箱子1，箱子1填滿。
第四步：重復第二，第三步，直到所有物品裝入箱子為止，得到箱子數量為6.
6即時本例N的最小值。

⑥ 最優化理論演算法

本書是陳寶林教授在多年實踐基礎上編著的.書中包括線性規劃單純形方法、對偶理論、靈敏度分析、運輸問題、內點演算法、非線性規劃K?T條件、無約束最優化方法、約束最優化方法、整數規劃和動態規劃等內容.本書含有大量經典的和新近的演算法,有比較系統的理論分析,實用性比較強;定理的證明和演算法的推導主要以數學分析和線性代數為基礎,比較簡單易學.本書可以作為運籌學類課程的教學參考書,也可供應用數學工作者和工程技術人員參考。

⑦ 找一種可以幫人從幾種方案裡面選擇最優的演算法

如果找一種可以幫人充幾種方案，裡面選擇最悠閑的演算法是我覺得是很困難的

⑧ 用什麼演算法解決最優演算法比較合適

問題是線性的，還是非線性的。線性的，分枝定界、分枝割平面、分枝定價、列生成等演算法都可以求解；非線性的，還要分是否凸，凸的話，廣義Benders分解、外部近似、分枝定界、擴展割平面演算法等，非凸的話，可採用全局最優演算法。判斷一下是否是凸規劃，是的話，用上面的演算法可以求到全局最優；否則，可能得到局部最優解。

⑨ C語言最優解演算法

#include<stdio.h>

int result[100][6];
int data[100000][2];

int main()
{
int i,j,T,f,temp,rlen=0,dlen,swap;

scanf("%d",&T);
while(T-->0)
{
for(dlen=0;1;dlen++)
{
scanf("%d %d",&data[dlen][0],&data[dlen][1]);
if(0==data[dlen][0] && 0==data[dlen][1])
break;
}
scanf("%d",&f);
for(i=0;i<dlen-1;i++)
{
for(j=0;j<dlen-i-1;j++)
{
swap=0;
if(0==f)
{
if(data[j][0]>data[j+1][0] || (data[j][0]==data[j+1][0] && data[j][1]>data[j+1][1]))
{
swap=1;
}
}
else if(1==f)
{
if(data[j][1]>data[j+1][1] || (data[j][1]==data[j+1][1] && data[j][0]>data[j+1][0]))
{
swap=1;
}
}
if(1==swap)
{
temp=data[j][0];
data[j][0]=data[j+1][0];
data[j+1][0]=temp;
temp=data[j][1];
data[j][1]=data[j+1][1];
data[j+1][1]=temp;
}
}
}
if(dlen>=3)
{
for(i=0;i<3;i++)
{
result[rlen][2*i]=data[i][0];
result[rlen][2*i+1]=data[i][1];
}
rlen++;
}
}
for(i=0;i<rlen;i++)
{
printf("Case #%d:\n",i+1);
for(j=0;j<3;j++)
printf("%d %d\n",result[i][2*j],result[i][2*j+1]);
}
return 0;
}

⑩ 什麼是「漸進意義下的最優演算法 」

是指經過有限次規劃迭代後得到的路徑是接近最優的次優路徑，且每次迭代後都與最優路徑更加接近，是一個逐漸收斂的過程；