5 個牛逼的算法設(shè)計，你知道幾個？
1、分治法
概念：
將一個難以直接解決的大問題，分割成一些規(guī)模較小的相同問題，以便各個擊破，分而治之。
思想策略：
對于一個規(guī)模為n的問題，若該問題可以容易地解決（比如說規(guī)模n較小）則直接解決，否則將其分解為k個規(guī)模較小的子問題，這些子問題互相獨立且與原問題形式相同，遞歸地解這些子問題，然后將各子問題的解合并得到原問題的解。
特征：
該問題的規(guī)模縮小到一定的程度就可以容易地解決 該問題可以分解為若干個規(guī)模較小的相同問題，即該問題具有最優(yōu)子結(jié)構(gòu)性質(zhì)。 利用該問題分解出的子問題的解可以合并為該問題的解； 該問題所分解出的各個子問題是相互獨立的，即子問題之間不包含公共的子子問題。
第一條特征是絕大多數(shù)問題都可以滿足的，因為問題的計算復(fù)雜性一般是隨著問題規(guī)模的增加而增加；
第二條特征是應(yīng)用分治法的前提它也是大多數(shù)問題可以滿足的，此特征反映了遞歸思想的應(yīng)用；
第三條特征是關(guān)鍵，能否利用分治法完全取決于問題是否具有第三條特征，如果具備了第一條和第二條特征，而不具備第三條特征，則可以考慮用貪心法或動態(tài)規(guī)劃法。
第四條特征涉及到分治法的效率，如果各子問題是不獨立的則分治法要做許多不必要的工作，重復(fù)地解公共的子問題，此時雖然可用分治法，但一般用動態(tài)規(guī)劃法較好。
基本步驟：
1 分解：將原問題分解為若干個規(guī)模較小，相互獨立，與原問題形式相同的子問題；
2 解決：若子問題規(guī)模較小而容易被解決則直接解，否則遞歸地解各個子問題
3 合并：將各個子問題的解合并為原問題的解。
適用分治法求解的經(jīng)典問題：
2、動態(tài)規(guī)劃
概念：
每次決策依賴于當(dāng)前狀態(tài)，又隨即引起狀態(tài)的轉(zhuǎn)移。一個決策序列就是在變化的狀態(tài)中產(chǎn)生出來的，所以，這種多階段最優(yōu)化決策解決問題的過程就稱為動態(tài)規(guī)劃。
思想策略：
將待求解的問題分解為若干個子問題（階段），按順序求解子階段，前一子問題的解，為后一子問題的求解提供了有用的信息。
在求解任一子問題時，列出各種可能的局部解，通過決策保留那些有可能達到最優(yōu)的局部解，丟棄其他局部解。
依次解決各子問題，最后一個子問題就是初始問題的解。
特征：
能采用動態(tài)規(guī)劃求解的問題的一般要具有3個性質(zhì)：
(1) 最優(yōu)化原理：如果問題的最優(yōu)解所包含的子問題的解也是最優(yōu)的，就稱該問題具有最優(yōu)子結(jié)構(gòu)，即滿足最優(yōu)化原理。
(2) 無后效性：即某階段狀態(tài)一旦確定，就不受這個狀態(tài)以后決策的影響。也就是說，某狀態(tài)以后的過程不會影響以前的狀態(tài)，只與當(dāng)前狀態(tài)有關(guān)。
(3) 有重疊子問題：即子問題之間是不獨立的，一個子問題在下一階段決策中可能被多次使用到。（該性質(zhì)并不是動態(tài)規(guī)劃適用的必要條件，但是如果沒有這條性質(zhì)，動態(tài)規(guī)劃算法同其他算法相比就不具備優(yōu)勢）
基本步驟：
（1）分析最優(yōu)解的性質(zhì)，并刻畫其結(jié)構(gòu)特征。
（2）遞歸的定義最優(yōu)解。
（3）以自底向上或自頂向下的記憶化方式（備忘錄法）計算出最優(yōu)值
（4）根據(jù)計算最優(yōu)值時得到的信息，構(gòu)造問題的最優(yōu)解
適用動態(tài)規(guī)劃求解的經(jīng)典問題：
矩陣連乘， 走金字塔 最長公共子序列(LCS) ， 最長遞增子序列(LIS) ， 凸多邊形最優(yōu)三角剖分 ， 背包問題 ， 雙調(diào)歐幾里得旅行商問題
3、貪心法
概念：
在對問題求解時，總是做出在當(dāng)前看來是最好的選擇。也就是說，不從整體最優(yōu)上加以考慮，他所做出的僅是在某種意義上的局部最優(yōu)解。
思想策略：
貪心算法沒有固定的算法框架，算法設(shè)計的關(guān)鍵是貪心策略的選擇。必須注意的是，貪心算法不是對所有問題都能得到整體最優(yōu)解，選擇的貪心策略必須具備無后效性，即某個狀態(tài)以后的過程不會影響以前的狀態(tài)，只與當(dāng)前狀態(tài)有關(guān)。所以對所采用的貪心策略一定要仔細分析其是否滿足無后效性。
基本步驟：
建立數(shù)學(xué)模型來描述問題。
把求解的問題分成若干個子問題。
對每一子問題求解，得到子問題的局部最優(yōu)解。
把子問題的解局部最優(yōu)解合成原來解問題的一個解。
適用貪心法求解的經(jīng)典問題：
4、回溯法
概念：
回溯算法實際上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(dāng)發(fā)現(xiàn)已不滿足求解條件時，就“回溯”返回，嘗試別的路徑。回溯法是一種選優(yōu)搜索法，按選優(yōu)條件向前搜索，以達到目標(biāo)。
但當(dāng)探索到某一步時，發(fā)現(xiàn)原先選擇并不優(yōu)或達不到目標(biāo)，就退回一步重新選擇，這種走不通就退回再走的技術(shù)為回溯法，而滿足回溯條件的某個狀態(tài)的點稱為“回溯點”。
許多復(fù)雜的，規(guī)模較大的問題都可以使用回溯法，有“通用解題方法”的美稱。
思想策略：
在包含問題的所有解的解空間樹中，按照深度優(yōu)先搜索的策略，從根結(jié)點出發(fā)深度探索解空間樹。當(dāng)探索到某一結(jié)點時，要先判斷該結(jié)點是否包含問題的解，如果包含，就從該結(jié)點出發(fā)繼續(xù)探索下去，如果該結(jié)點不包含問題的解，則逐層向其祖先結(jié)點回溯。（其實回溯法就是對隱式圖的深度優(yōu)先搜索算法）。若用回溯法求問題的所有解時，要回溯到根，且根結(jié)點的所有可行的子樹都要已被搜索遍才結(jié)束。
特征：
（1）針對所給問題，確定問題的解空間：首先應(yīng)明確定義問題的解空間，問題的解空間應(yīng)至少包含問題的一個（最優(yōu)）解。
（2）確定結(jié)點的擴展搜索規(guī)則
（3）以深度優(yōu)先方式搜索解空間，并在搜索過程中用剪枝函數(shù)避免無效搜索。
適用回溯法求解的經(jīng)典問題：
5、分支限界法
概述：
類似于回溯法，也是一種在問題的解空間樹T上搜索問題解的算法。但在一般情況下，分支限界法與回溯法的求解目標(biāo)不同。
回溯法的求解目標(biāo)是找出T中滿足約束條件的所有解，而分支限界法的求解目標(biāo)則是找出滿足約束條件的一個解，或是在滿足約束條件的解中找出使某一目標(biāo)函數(shù)值達到極大或極小的解，即在某種意義下的最優(yōu)解。
策略：
在擴展結(jié)點處，先生成其所有的兒子結(jié)點（分支），然后再從當(dāng)前的活結(jié)點表中選擇下一個擴展對點。為了有效地選擇下一擴展結(jié)點，以加速搜索的進程，在每一活結(jié)點處，計算一個函數(shù)值（限界），并根據(jù)這些已計算出的函數(shù)值，從當(dāng)前活結(jié)點表中選擇一個最有利的結(jié)點作為擴展結(jié)點，使搜索朝著解空間樹上有最優(yōu)解的分支推進，以便盡快地找出一個最優(yōu)解。
與回溯法的區(qū)別：
回溯法：【方式不同】深度優(yōu)先搜索堆棧活結(jié)點的所有可行子結(jié)點被遍歷后才被從棧中彈出找出滿足約束條件的所有解【目標(biāo)不同】。
分支限界法：【方式不同】廣度優(yōu)先或最小消耗優(yōu)先搜索隊列、優(yōu)先隊列每個結(jié)點只有一次成為活結(jié)點的機會找出滿足約束條件的一個解或特定意義下的最優(yōu)解【目標(biāo)不同】。
版權(quán)聲明：本文為博主原創(chuàng)文章，遵循 CC 4.0 BY-SA 版權(quán)協(xié)議，轉(zhuǎn)載請附上原文出處鏈接和本聲明。本文鏈接：https://blog.csdn.net/ght886/article/details/80289142
推薦閱讀
GitHub 標(biāo)星 8.6K：將任何設(shè)備轉(zhuǎn)換為電腦的輔助屏幕
因為一次 Kafka 宕機，終于搞透了 Kafka 高可用原理！
- EOF -
長按進入小程序，進行打卡簽到
（更多精彩值得期待……）
最近熱文： 一周內(nèi)被程序員瘋轉(zhuǎn)5.6W次，最終被大廠封殺！ 字節(jié)跳動《算法中文手冊》火了，完整版 PDF 開放下載！ 2020 年度開發(fā)者工具 TOP 100 名單！ 基于 Vue+Spring 前后端分離管理系統(tǒng) LeetCode1-200題匯總，希望對你有點幫助！ 2T技術(shù)資源大放送！包括但不限于：C/C++，Linux，Python，Java，人工智能，考研，軟考，英語，等等。在公眾號內(nèi)回復(fù)「資源」，即可免費獲取！回復(fù)「社群」，可以邀請你加入讀者群！ ??給個「在看」，是對我最大的支持??
