算法问题求解规则的一种过程描述

① 算法是什么的方法和步骤

算法是为一个问题或一类问题给出的解决方法与具体步骤。

构成要素：

数据对象的运算和操作：计算机可以执行的基本操作是以指令的形式描述的。一个计算机系统能执行的所有指令的集合，成为该计算机系统的指令系统。一个猜雀尘计算机的基本运算和操作有如下四类：算术运算：加减乘除等运算。逻辑运算：或、且、非等运算。关系穗禅运算：大于、小于、等于、不等于等运算。数据传输：输入、输出、赋值等运算。

算法的控制结构：一个算法的功能结构不仅取决于所选用的操作，而且还与各操作之间的执行顺序有关。同一问题可用不同算法解决，而一个算法的质量优劣将影响到算法乃至程序的效率。算法分析的目的在于选择合适算法和改进算法。

② 计算机问题求解过程一般包括

1、分析问题。
用电脑来解决问题时，首先电脑要对问题进行定性、定量的分析，然后才能设计算法。定性分析法是对问题进行“质”的方面的分析，确定问题的性质，定量分析法，是对要解决的问题的数量特征、数量关系与数量变化进行分析的方法。
2、设计算法。
算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合于某个问题，执行这个算法将不会解决这个问题。
不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。
3、编写程序。
设计完算法后，就要使用某种程序设计语言编写程序代码，并最终得到相应结果。编程的语言包括汇编语言、机器语言和高级语言。高级语言中最简单、最常用的是Visual Basic语言和Pascal语言。
(2)算法问题求解规则的一种过程描述扩展阅读：
人类解决问题：靠知识、见识、常识、经验、直觉、甚至赌博；
计算机解决问题：靠知识库、推理、推演、演绎、计算和预测以及概率分析。
人类会受外界因素和个人情感的干扰，导致同样的条件不同的结果；计算机则不受干扰，满足某个或某些条件，就会执行预先设定的命令。
利用计算机程序解决问题的基本过程：
了解利用计算机解决问题的基本过程。
了解问题分析与算法设计之间的关系。
了解算法的基本特征。
能用自然语言、流程图或伪代码描述算法。
了解程序设计语言产生与发展过程。

③ 算法步骤

上述算法的流程如图4-1所示。

算法从寻找初始可行解开始。通常的做法是，它对应于从松弛变量列形成的基底。如果没有初始可行解存在，则算法在第二步停止。

图4-1 菲力浦的多目标单纯形法计算框图

如果存在一个可行基底。便置计数器b和c分别为1和0。计数器b标识各个基底，计数器c标识对应于非劣势解的基底，在第三步中计算与初始基底对应的解。在第四步中，通过解非劣势性子问题来检查可行解的非劣势性。

算法在第四、五、六步中进行循环，直到发现一个非劣势解。发现后，把这个非劣势解在第七步中打印出来。

为了检查另外的非劣势解，在第八步中求解方向子问题。如果没有合适的（s_k）_min=0，那么，不存在别的非劣势解，算法停止。但是，如果第九步确定了一个（s_k）_min=0，且第十步指出对应的x_k将引导到一个未探索过的基底，则对应的x_k进入基底，转到第七步去打印出这个另外的非劣势解。算法将继续在第七、八、九、十、十一、七步之间进行循环，直到出现没有对应的x_k导致未探索基底时为止。

为了进一步理解菲力浦的多目标单纯形法求解的有关步骤，我们考虑上一节中的例子并添加松弛变量来产生初始多目标单纯形表。

极大优势

华北煤田排水供水环保结合优化管理

其中，

华北煤田排水供水环保结合优化管理

满足于约束条件

华北煤田排水供水环保结合优化管理

初始基本可行解在表4-2中列出，初始基底是根据与松弛变量x₃、x₄、x₅相关的列来形成的。从而，算法的第一、二、三步是满足的。

表4-2 初始基本可行解表

接下来，算法确定x₁=x₂=0是否为非劣势解点。这由解非劣势性子问题来进行。要解这个非劣势性子问题，需要确定（u^T+e^T）D。矩阵D对应于目标函数行中的非基本列，就是

华北煤田排水供水环保结合优化管理

对于x₁=x₂=0要是非劣势的，必须存在一个权数集w_i=u_i+1，使得

华北煤田排水供水环保结合优化管理

或

华北煤田排水供水环保结合优化管理

或

华北煤田排水供水环保结合优化管理

减去剩余变量s₁，s₂，添加人工变量y₁，y₂，产生所需要的第一演算阶段单纯形问题：

华北煤田排水供水环保结合优化管理

满足于约束条件

华北煤田排水供水环保结合优化管理

对此非劣势性子问题的初始表如表4-3所示。

表4-3 非劣势性子问题的初始表

把第三行加到第一行上，产生初始可行解，如表4-4所示。

表4-4 初始可行解

根据单纯形法则，u₂进入基底，旋转主元是第三行框起来的数2。变换后得表4-5。

表4-5 非劣势解表

此时y_min=0，s₁=7/2，u₂=1/2，u₁=s₂=y₁=y₂=0，于是点x₁=x₂=0是非劣势解。

我们也注意到，表4-5表明存在正的权数w₁=u₁+1=1，w₂=u₂+1=3/2，解x₁=x₂=0也是下面问题的最优解。这个问题是：

华北煤田排水供水环保结合优化管理

满足于

华北煤田排水供水环保结合优化管理

因此，可以这样说，菲力浦算法允许我们“朝后”应用加权方法：对于一个非劣势解x，确定出一组权数w，它们是在加权方法中用来得出这个非劣势解x所需要的权数。

接下来求解方向子问题，以确定是否存在另外的非劣势解。从表4-5，我们能够看到，有s₂=0。于是，如果引入x₂将导致一个未探索过的基底，则存在另一个非劣势解点。从表4-2，对x₂的旋转主元是第五行中的数字5，这表明新的基底将是x₂、x₃和x₄，它还没有被探索过。

显然没有必要，因为已经确定了将导致另一个非劣势解的x_k，但我们现在也能够确定引入x₁是否会导致一个非劣势解。这可以通过解下面的方向子问题来进行。这个方向子问题是：

华北煤田排水供水环保结合优化管理

满足于

华北煤田排水供水环保结合优化管理

在第一演算阶段以后（表4-5），得到如下的方向子问题，表4-6所示。

表4-6 方向子问题表

把第2行加到第一行上，产生了表4-7。

表4-7 最优解表

表4-7是最优的，它指出s₁=7/2＞0，因此引入x₁将导致一个有劣势解。

我们现在引入x₂。以表4-2第五行的元素为主元进行旋转，得到主问题的第二个表，如表4-8所示，从而，x₁=0，x₂=72/5是一个非劣势解，把它打印出来。

表4-8 主问题二表

为了检查是否存在别的非劣势解，现在必须重新求解方向子问题。要这样做，必须又一次计算（u^T+e^T）D，其中的矩阵D此时为

华北煤田排水供水环保结合优化管理

于是，

华北煤田排水供水环保结合优化管理

由此，方向子问题的合适的约束集为

华北煤田排水供水环保结合优化管理

关于目标函数，可以为s₁和s₅。然而，在前面我们是用x₂驱赶x₅而得到目前的非劣势解点，因此，易知有s₅=0，且把x₅带入基底会产生出前面的非劣势解点。从而，仅需对s₁检查方向子问题，就是，

华北煤田排水供水环保结合优化管理

满足于

华北煤田排水供水环保结合优化管理

用表的形式，见表4-9。

表4-9 方向子问题表

把表4-9的第2行加到第1行上，得表4-10。对表4-10以第2行第二列元素为主元进行旋转，得到最优的表4-11。从表4-11可以看出，s₁=0，这表示此时把x₁引入基底将产生另一个非劣势解点。从表4-3可明显看出，旋转主元是4/25，将把x₄驱赶出基底。这导致又一个未探索过的基底（x₁，x₂和x₃）和第三个非劣势解点。以4/25为主元旋转，得到下面表4-12中的解：非劣势点x₁=7，x₂=13。

表4-10 方向子问题过渡表

表4-11 最优解表

表4-12 非劣势解表

继续与前面同样的过程，即求解与表4-12相关的方向子问题，得到s₄=0和s₅=9/2。引入s₄将把x₁从基底中驱赶出去并返回到先前的非劣势解。引入x₅将把x₂从基底中驱赶出去将得到一个有劣势解。这样，算法停止^［134］。

④ 简要说明应用计算思维求解问题的一般过程

操作模式 计算思维建立在计算过程的能力和限制之上，由人由机器执行。计算方法和模型使我们敢于去处理那些原本无法由任何个人独自完成的问题求解和系统设计。计算思维直面机器智能的不解之谜：什么人类比计算机做得好？什么计算机比人类做得好？最基本的问题是：什么是可计算的？迄今为止我们对这些问题仍是一知半解。
计算思维用途 计算思维是每个人的基本技能，不仅仅属于计算机科学家。我们应当使每个孩子在培养解析能力时不仅掌握阅读、写作和算术（Reading, wRiting, and aRithmetic——3R），还要学会计算思维。正如印刷出版促进了3R的普及，计算和计算机也以类似的正反馈促进了计算思维的传播。
计算思维是运用计算机科学的基础概念去求解问题、设计系统和理解人类的行为。它包括了涵盖计算机科学之广度的一系列思维活动。当我们必须求解一个特定的问题时，首先会问：解决这个问题有多么困难？怎样才是最佳的解决方法？计算机科学根据坚实的理论基础来准确地回答这些问题。表述问题的难度就是工具的基本能力，必须考虑的因素包括机器的指令系统、资源约束和操作环境。
为了有效地求解一个问题，我们可能要进一步问：一个近似解是否就够了，是否可以利用一下随机化，以及是否允许误报（false positive）和漏报（false negative）。计算思维就是通过约简、嵌入、转化和仿真等方法，把一个看来困难的问题重新阐释成一个我们知道怎样解决的问题。
计算思维是一种递归思维 它是并行处理。它是把代码译成数据又把数据译成代码。它是由广义量纲分析进行的类型检查。对于别名或赋予人与物多个名字的做法，它既知道其益处又了解其害处。对于间接寻址和程序调用的方法，它既知道其威力又了解其代价。它评价一个程序时，不仅仅根据其准确性和效率，还有美学的考量，而对于系统的设计，还考虑简洁和优雅。
抽象和分解 来迎接庞杂的任务或者设计巨大复杂的系统。它是关注的分离（SOC方法）。它是选择合适的方式去陈述一个问题，或者是选择合适的方式对一个问题的相关方面建模使其易于处理。它是利用不变量简明扼要且表述性地刻画系统的行为。它使我们在不必理解每一个细节的情况下就能够安全地使用、调整和影响一个大型复杂系统的信息。它就是为预期的未来应用而进行的预取和缓存。计算思维是按照预防、保护及通过冗余、容错、纠错的方式从最坏情形恢复的一种思维。它称堵塞为“死锁”，称约定为“界面”。计算思维就是学习在同步相互会合时如何避免“竞争条件”（亦称“竞态条件”）的情形。
计算思维利用启发式推理来寻求解答，就是在不确定情况下的规划、学习和调度。它就是搜索、搜索、再搜索，结果是一系列的网页，一个赢得游戏的策略，或者一个反例。计算思维利用海量数据来加快计算，在时间和空间之间，在处理能力和存储容量之间进行权衡。
考虑下面日常生活中的事例：当你女儿早晨去学校时，她把当天需要的东西放进背包，这就是预置和缓存；当你儿子弄丢他的手套时，你建议他沿走过的路寻找，这就是回推；在什么时候停止租用滑雪板而为自己买一付呢？这就是在线算法；在超市付帐时，你应当去排哪个队呢？这就是多服务器系统的性能模型；为什么停电时你的电话仍然可用？这就是失败的无关性和设计的冗余性；完全自动的大众图灵测试如何区分计算机和人类，即CAPTCHA[注1]程序是怎样鉴别人类的？这就是充分利用求解人工智能难题之艰难来挫败计算代理程序。
计算思维将渗透到我们每个人的生活之中，到那时诸如算法和前提条件这些词汇将成为每个人日常语言的一部分，对“非确定论”和“垃圾收集”这些词的理解会和计算机科学里的含义驱近，而树已常常被倒过来画了。
我们已见证了计算思维在其他学科中的影响。例如，机器学习已经改变了统计学。就数学尺度和维数而言，统计学习用于各类问题的规模仅在几年前还是不可想象的。各种组织的统计部门都聘请了计算机科学家。计算机学院（系）正在与已有或新开设的统计学系联姻。
计算机学家们对生物科学越来越感兴趣，因为他们坚信生物学家能够从计算思维中获益。计算机科学对生物学的贡献决不限于其能够在海量序列数据中搜索寻找模式规律的本领。最终希望是数据结构和算法（我们自身的计算抽象和方法）能够以其体现自身功能的方式来表示蛋白质的结构。计算生物学正在改变着生物学家的思考方式。类似地，计算博弈理论正改变着经济学家的思考方式，纳米计算改变着化学家的思考方式，量子计算改变着物理学家的思考方式。
这种思维将成为每一个人的技能组合成分，而不仅仅限于科学家。普适计算之于今天就如计算思维之于明天。普适计算是已成为今日现实的昨日之梦，而计算思维就是明日现实。