導航:首頁 > 源碼編譯 > 分治演算法求最大值數組

分治演算法求最大值數組

發布時間:2025-02-17 12:56:34

程序員都應該精通的六種演算法,你會了嗎

對於一名優秀的程序員來說,面對一個項目的需求的時候,一定會在腦海里浮現出最適合解決這個問題的方法是什麼,選對了演算法,就會起到事半功倍的效果,反之,則可能會使程序運行效率低下,還容易出bug。因此,熟悉掌握常用的演算法,是對於一個優秀程序員最基本的要求。


那麼,常用的演算法都有哪些呢?一般來講,在我們日常工作中涉及到的演算法,通常分為以下幾個類型:分治、貪心、迭代、枚舉、回溯、動態規劃。下面我們來一一介紹這幾種演算法。


一、分治演算法


分治演算法,顧名思義,是將一個難以直接解決的大問題,分割成一些規模較小的相同問題,以便各個擊破,分而治之。


分治演算法一般分為三個部分:分解問題、解決問題、合並解。

分治演算法適用於那些問題的規模縮小到一定程度就可以解決、並且各子問題之間相互獨立,求出來的解可以合並為該問題的解的情況。


典型例子比如求解一個無序數組中的最大值,即可以採用分治演算法,示例如下:


def pidAndConquer(arr,leftIndex,rightIndex):

if(rightIndex==leftIndex+1 || rightIndex==leftIndex){

return Math.max(arr[leftIndex],arr[rightIndex]);

}

int mid=(leftIndex+rightIndex)/2;

int leftMax=pidAndConquer(arr,leftIndex,mid);

int rightMax=pidAndConquer(arr,mid,rightIndex);

return Math.max(leftMax,rightMax);


二、貪心演算法


貪心演算法是指在對問題求解時,總是做出在當前看來是最好的選擇。也就是說,不從整體最優上加以考慮,他所做出的僅是在某種意義上的局部最優解。


貪心演算法的基本思路是把問題分成若干個子問題,然後對每個子問題求解,得到子問題的局部最優解,最後再把子問題的最優解合並成原問題的一個解。這里要注意一點就是貪心演算法得到的不一定是全局最優解。這一缺陷導致了貪心演算法的適用范圍較少,更大的用途在於平衡演算法效率和最終結果應用,類似於:反正就走這么多步,肯定給你一個值,至於是不是最優的,那我就管不了了。就好像去菜市場買幾樣菜,可以經過反復比價之後再買,或者是看到有賣的不管三七二十一先買了,總之最終結果是菜能買回來,但搞不好多花了幾塊錢。


典型例子比如部分背包問題:有n個物體,第i個物體的重量為Wi,價值為Vi,在總重量不超過C的情況下讓總價值盡量高。每一個物體可以只取走一部分,價值和重量按比例計算。

貪心策略就是,每次都先拿性價比高的,判斷不超過C。


三、迭代演算法


迭代法也稱輾轉法,是一種不斷用變數的舊值遞推新值的過程。迭代演算法是用計算機解決問題的一種基本方法,它利用計算機運算速度快、適合做重復性操作的特點,讓計算機對一組指令(或一定步驟)進行重復執行,在每次執行這組指令(或這些步驟)時,都從變數的原值推出它的一個新值。最終得到問題的結果。


迭代演算法適用於那些每步輸入參數變數一定,前值可以作為下一步輸入參數的問題。


典型例子比如說,用迭代演算法計算斐波那契數列。


四、枚舉演算法


枚舉演算法是我們在日常中使用到的最多的一個演算法,它的核心思想就是:枚舉所有的可能。枚舉法的本質就是從所有候選答案中去搜索正確地解。

枚舉演算法適用於候選答案數量一定的情況。


典型例子包括雞錢問題,有公雞5,母雞3,三小雞1,求m錢n雞的所有可能解。可以採用一個三重循環將所有情況枚舉出來。代碼如下:



五、回溯演算法


回溯演算法是一個類似枚舉的搜索嘗試過程,主要是在搜索嘗試過程中尋找問題的解,當發現已不滿足求解條件時,就「回溯」返回,嘗試別的路徑。

許多復雜的,規模較大的問題都可以使用回溯法,有「通用解題方法」的美稱。


典型例子是8皇後演算法。在8 8格的國際象棋上擺放八個皇後,使其不能互相攻擊,即任意兩個皇後都不能處於同一行、同一列或同一斜線上,問一共有多少種擺法。


回溯法是求解皇後問題最經典的方法。演算法的思想在於如果一個皇後選定了位置,那麼下一個皇後的位置便被限制住了,下一個皇後需要一直找直到找到安全位置,如果沒有找到,那麼便要回溯到上一個皇後,那麼上一個皇後的位置就要改變,這樣一直遞歸直到所有的情況都被舉出。


六、動態規劃演算法


動態規劃過程是:每次決策依賴於當前狀態,又隨即引起狀態的轉移。一個決策序列就是在變化的狀態中產生出來的,所以,這種多階段最優化決策解決問題的過程就稱為動態規劃。


動態規劃演算法適用於當某階段狀態給定以後,在這階段以後的過程的發展不受這段以前各段狀態的影響,即無後效性的問題。


典型例子比如說背包問題,給定背包容量及物品重量和價值,要求背包裝的物品價值最大。


❷ C++ 分治法統計數組中某元素出現的次數

#include<stdio.h>
int main(){
int n;
int sz[10000];
int max;
int sum=0;
scanf("%d\n",&n);
for(int i=1;i<=n;i++){ //這里更改,共n個數
scanf("%d",&(sz[i]));
}
max = sz[1];
for(int i=2;i<=n;i++) //獲取數組中最大值
if(sz[i]>max){
max=sz[i];
}
for(int z=0;z<=max;z++){ //這里更改,枚舉從0,到max (包括)
sum = 0;
for(int i=1;i<=n;i++){
if(sz[i]==z){
sum=sum+1;
}
}
printf("%d\n",sum); //這里更改
}
return 0;
}

❸ Java 分治法 求解一組數組元素的最大值和最小值

//求一個數組A[i...j]的最大值和最小值,分支演算法,遞歸實現//2015.2.9//devc++#include<stdio.h>#include<malloc.h>intmin(inta,intb){returna<b?a:b;}intmax(inta,intb){returna>b?a:b;}int*MaxMin(inta[],inti,intj){int*m=(int*)malloc(2*sizeof(int));if(j-i+1==1){m[0]=m[1]=a[i];returnm;}if(j-i+1==2){if(a[i]<a[j]){m[0]=a[i];m[1]=a[j];}else{m[0]=a[j];m[1]=a[i];}returnm;}intk=(j-i+1)/2;int*m1=MaxMin(a,i,k);int*m2=MaxMin(a,k+1,j);m[0]=min(m1[0],m2[0]);m[1]=max(m1[1],m2[1]);returnm;}intmain(){inta[128];intn;inti;while(scanf("%d",&n)!=EOF){for(i=0;i<n;i++){scanf("%d",&a[i]);}int*m=MaxMin(a,0,n-1);printf("%d%d ",m[0],m[1]);}return0;}

閱讀全文

與分治演算法求最大值數組相關的資料

熱點內容
企信如何禁止訪問其他app 瀏覽:71
程序員辦公本推薦2019 瀏覽:197
手機qq下載app在哪裡 瀏覽:536
阿里程序員喊話 瀏覽:982
軟體伺服器地址不對怎麼辦 瀏覽:156
gcco的編譯格式 瀏覽:192
手持噴碼機加密怎麼買墨盒 瀏覽:744
cadcc命令 瀏覽:902
安卓手機攝像頭為什麼不用藍寶石 瀏覽:958
編譯器保留數字 瀏覽:8
linux解壓war命令 瀏覽:48
紅與黑中央編譯 瀏覽:570
我的世界簡單命令方塊教學 瀏覽:196
什麼游戲解壓最合適 瀏覽:508
安卓怎麼搞黑色的界面 瀏覽:961
java簡單類型 瀏覽:358
python中反射機制 瀏覽:191
手機app哪裡可以報團旅遊 瀏覽:738
長pdf閱讀 瀏覽:26
程序員刪除代碼是怎麼樣的 瀏覽:1