【算法学习】减治 · 分治 · 变治(一)

简介: 【算法学习】减治 · 分治 · 变治


减治 · 分治 · 变治


好久不见,这里依旧是代班的工人~


微信图片_20220422145119.jpg


可能不是很想。。。emmm。。。没关系。。。


最近越学越发觉自己懂得好少。。。


但是最近又好忙好忙。。。


不过如今你们看到了这篇文章,说明我还是挺过来了!鼓掌~

(虽然不知道能不能挺过下周)


那么,趁着我还活着,这次还是带来基础算法的知识


秉持着大神来回顾,小白来学习的原则


让我们开始这期的学习吧!


目录


01.减治法

02.分治法

03.变治法




01

减  治  法

decrease-and-conquer method



普卢塔克说,萨特斯为了告诉他的士兵坚忍和智慧比蛮力更重要的道理,把两匹马带到他们面前,然后让两个人拔光马的尾毛。一个人是魁梧的大力士,他用力地拔了又拔,但一点效果也没有;另一个人是一个精美的、长相矫捷的裁缝,他微笑着,每次拔掉一根毛,很快就把尾巴拔得光秃秃的。

——E. Cobham Brewer,《惯用语和寓言词典》,1898



减治法(decrease-and-conquer method)

减治法采取划分后选择计算的思想,利用一个问题和同样较小规模的问题之间的某种关系进行划分。我们先确立这种关系,然后既可以从顶至下,也可以从底至上地来运用该关系,将大问题分解成小问题来解决,像是层层嵌套。在实际解决的过程中只针对部分子问题进行求解。

 

减治法有3种主要的变种:

1.减去一个常量 (decrease by a constant)

2.减去一个常数因子(decrease by a constant factor)

3.减去的规模是可变的(variable size decrease)

 

1.减去一个常量 (decrease by a constant)

 

在减常量变种中,我们每次从问题规模中减去一个规模相同的常量。(一般来说,这个常量等于一)微信图片_20220422145123.png

(CSDN盗图,别介意~)


函数f(n) = a^n的求解过程就是一个栗子:

微信图片_20220422145125.jpg

在这里,虽然算法的时间复杂度和蛮力法一致,但是体现的思想却不一样。

 

其他的栗子还有:

深度优先、广度优先查找,拓扑排序等。这里对拓扑排序稍加介绍。


拓扑排序是指:对一个有向无环图G进行排序,将G中所有顶点排成一个一维线性序列,使得图中任意一对顶点u和v,若边(u,v)∈E(G),则u在线性序列中出现在v之前(起点在终点之前)。

 

运用减治法思想的步骤:

1.在有向图中选一个没有前驱的顶点,输出;

2.删除所有和它有关的边;

3.重复上述两步,直至所有顶点输出。

(每次我们只减去常量1,因此当有多个点没有前驱时,只需要随意挑选一个点输出)

 

比如这样一个图:

微信图片_20220422145128.png

再比如这样一个图(其实是同一个图啦):

微信图片_20220422145130.png


我们最终会得到这样的序列:

v6—>v1—>v4—>v3—>v5—>v2;

当然,类似这样的序列也是正确的:

v1—>v6—>v4—>v3—>v5—>v2;

v1—>v3—>v6—>v4—>v5—>v2。。。

这里是要强调选择的随机性。这完全由代码决定。


没什么大问题,下面就到了激动人心的代码环节:


//拓扑排序:寻找图中入度为0的顶点作为即将遍历的顶点,遍历完后,将此顶点从图中删除
    #include <iostream>
    using namespace std;
    int adjMatrix[105][105];//参数adjMatrix:邻接矩阵
    int source [105];    // 参数source:给出图的每个顶点的入度值
    int n,m;  //给出图的顶点、边个数
    void getSourceSort( )
{
        int count = 0;                  //用于计算当前遍历的顶点个数 
        bool judge = true;
        while(judge)
    {
            for(int i = 1;i <= n;i++)
      {
                if(source[i] == 0) //当第i个顶点入度为0时,遍历该顶点
        {                
                    count++;
          if (count<n)cout<<i<<" --> ";
                    if(count==n)cout<<i;
                    source[i] = -1;                  //代表第i个顶点已被遍历
                    for(int j = 1;j <= n;j++)   //寻找第i个顶点的出度顶点
          {
                        if(adjMatrix[i][j] == 1)
                            source[j] -= 1;          //第j个顶点的入度减1 
                    }
                }
            }
            if(count == n)
               judge = false;
        }
    }
    //返回给出图每个顶点的入度值
    void getSource( )
{
        for(int i = 1;i <= n;i++) //若邻接矩阵中第i列含有k个1,则在该列的节点的入度为k,即source[i] = k 
    {          
            int count = 0;
            for(int j = 1;j <= n;j++)
      {
                if(adjMatrix[j][i] == 1)
                    count++;
            }
            source[i] = count;
        }
    }
    int main()
{
  int a,b;
  cin>>n>>m;
    for(int i = 1;i <= n;i++)  //初始化邻接矩阵 
        for(int j = 1;j <= n;j++)
            adjMatrix[i][j] =0;
    for(int i = 1;i <= m;i++)
    {
       cin>>a>>b;
       adjMatrix[a][b] = 1;
    }
    getSource();
    getSourceSort( );
    return 0;
}

微信图片_20220422145235.png


相关文章
|
19天前
|
NoSQL 算法 Java
【redis源码学习】持久化机制,java程序员面试算法宝典pdf
【redis源码学习】持久化机制,java程序员面试算法宝典pdf
|
21天前
|
机器学习/深度学习 算法 网络架构
什么是神经网络学习中的反向传播算法?
什么是神经网络学习中的反向传播算法?
17 2
|
21天前
|
机器学习/深度学习 算法
算法人生(5):从“元学习”看“战胜拖延”(没兴趣版)
元学习是让机器学会学习策略,适应新任务的机器学习范式。通过定义任务分布、采样任务、内在和外在学习循环来优化模型,增强其跨任务适应性和泛化能力。面对不感兴趣的任务导致的拖延,我们可以借鉴元学习的思路:重新评估任务价值,寻找通用兴趣点;设定奖励激发行动;改变环境以提高执行力。通过调整视角、自我激励和优化环境,可以克服因无兴趣而产生的拖延。
|
21天前
|
机器学习/深度学习 存储 算法
算法人生(4):从“选项学习”看“战胜拖延”(担心失败版)
选项学习是强化学习的一种策略,通过定义、学习和切换选项来解决复杂任务,将大任务分解为可重复使用的子任务,以提高学习效率和适应性。面对因担心失败而拖延的问题,我们可以借鉴选项学习的思想:将大任务拆分为小目标,正视失败作为成长的一部分,回顾成功经验并寻求支持。通过这种方式,逐步增强自信,降低拖延现象。
|
21天前
|
算法 网络协议
【计网·湖科大·思科】实验三 总线型以太网的特性、集线器和交换机的区别、交换机的自学习算法
【计网·湖科大·思科】实验三 总线型以太网的特性、集线器和交换机的区别、交换机的自学习算法
25 1
|
21天前
|
机器学习/深度学习 算法
应用规则学习算法识别有毒的蘑菇
应用规则学习算法识别有毒的蘑菇
|
21天前
|
并行计算 算法 索引
数据结构与算法 分治
数据结构与算法 分治
9 0
|
21天前
|
机器学习/深度学习 算法 数据挖掘
【Python机器学习专栏】关联规则学习:Apriori算法详解
【4月更文挑战第30天】Apriori算法是一种用于关联规则学习的经典算法,尤其适用于购物篮分析,以发现商品间的购买关联。该算法基于支持度和置信度指标,通过迭代生成频繁项集并提取满足阈值的规则。Python中可借助mlxtend库实现Apriori,例如处理购物篮数据,设置支持度和置信度阈值,找出相关规则。
|
5天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于DCT变换和位平面分解的数字水印嵌入提取算法matlab仿真
这是一个关于数字水印算法的摘要:使用MATLAB2022a实现,结合DCT和位平面分解技术。算法先通过DCT变换将图像转至频域,随后利用位平面分解嵌入水印,确保在图像处理后仍能提取。核心程序包括水印嵌入和提取,以及性能分析部分,通过PSNR和NC指标评估水印在不同噪声条件下的鲁棒性。
|
6天前
|
算法 数据安全/隐私保护 C++
基于二维CS-SCHT变换和扩频方法的彩色图像水印嵌入和提取算法matlab仿真
该内容是关于一个图像水印算法的描述。在MATLAB2022a中运行,算法包括水印的嵌入和提取。首先,RGB图像转换为YUV格式,然后水印通过特定规则嵌入到Y分量中,并经过Arnold置乱增强安全性。水印提取时,经过逆过程恢复,使用了二维CS-SCHT变换和噪声对比度(NC)计算来评估水印的鲁棒性。代码中展示了从RGB到YUV的转换、水印嵌入、JPEG压缩攻击模拟以及水印提取的步骤。