1.Fibonacci数列:o(n)
public static void Fibonacci(int n ){ int a = 0; int b = 1; System.out.println(a); System.out.println(b); for (int x = 0;x < n-1 ;x++){ int c = a+b; a = b; b = c; System.out.println(c); } }
2.矩阵乘积:o(n[3])
public static int[][] Matrixmultiplication(int[][] a,int[][] b){ int hang = a.length; int lie = b[0].length; int num = a[0].length; int[][] c = new int[hang][lie]; for (int x = 0;x<hang;x++){ for (int y = 0;y<lie;y++){ int count = 0; for (int k = 0;k<num;k++){ count = count + a[x][k]*b[k][y]; } c[x][y] = count; } } return c; }
此后感觉讲得比较乱,换用研一课程的算法ppt重新开始看;
1.
P | 多项式时间内可以解决 |
NPC | 无法在多项式时间内解决 |
NP | 多项式时间内可验证 |
2.复杂度
o(c) < o (logn) < o(n) < o(nlogn) < o(n[r]) < o(r[n]) < o(n!)
3.贪心算法:局部最优不一定导致全局最优或正确;证明通常采用反证法;
时间安排算法(不带权重):贪心算法,按最早结束时间进行排序,选择不重复的;nlogn |
4.分治算法:将问题分为部分,递归的解决部分的问题,部分的问题之间通常不相关,再用线性的时间将其结果合并
整数相加 | o(n) |
整数相乘:xy=2[n] * x1y1+2[n/2](x0y1+x1y0)+x0y0 = 2[n] * x1y1 + 2[n/2]((x1+x0)(y1+y0)-x1y1-x0y0) + x0y0 | o(n[1.5]) |
矩阵乘法:T(n) = 7 T (n/2) +dn[2] | o(2.8) |
5.动态规划:将问题分解为更小的问题,更小的问题之间通常互相联系,通过小问题的解决达到大问题的解决;
带权重的时间安排算法:opt(j) = {vj+opt(P(j)) , opt(j-1)} max;需要暂存中间结果; | o(nlogn) |
背包问题:opt(i,w) = { 0 : i = 0; opt(i-1,w) : wi > w ; max{opt(i-1,w),opt(i-1,w-wi) + vi} NPC问题 |
o(nw) |
6.线性规约
当问题x可以依靠多项式时间的简单操作及多项式次数的Y的解决方案而解决,则x线性规约到y;
y若是多项式时间可解,则x也在多项式时间内可解;