数据结构与算法:常用的启发式算法

2024-04-16 08:44

本文主要是介绍数据结构与算法:常用的启发式算法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在数据结构的领域中,启发式算法是一类用于解决优化问题的算法,它们在每一步选择中都做出当前看来最好的选择,但并不保证总能找到全局最优解。这类算法广泛应用于资源分配、路径规划、存储分配等问题。以下是一些常用的启发式算法及其区别:

1.贪心算法(Greedy Algorithm)

贪心算法是一种在每一步选择中都采取当前最好或最优的选择,以期望结果是全局最好或最优的算法。贪心算法通常用于解决具有最优子结构特点的问题,例如最小生成树、哈夫曼编码等。

贪心算法的主要优点是实现简单、计算效率高。但缺点是可能会陷入局部最优,导致全局最优解不被找到。因此,在使用贪心算法时,需要先分析问题是否具有最优子结构特点,以及局部最优解是否一定能得到全局最优解。

示例:最小生成树

using System;
using System.Collections.Generic;public class GreedyAlgorithmExample
{public static List<int>[] FindMinimumSpanningTree(int n, int[,] weights){var mst = new List<int>[n];for (int i = 0; i < n; i++){mst[i] = new List<int>();}var visited = new bool[n];visited[0] = true;for (int i = 1; i < n; i++){int minWeight = int.MaxValue;int minEdge = -1;for (int j = 0; j < n; j++){if (!visited[j]){for (int k = 0; k < n; k++){if (!visited[k] && weights[j, k] < minWeight){minWeight = weights[j, k];minEdge = k;}}}}mst[i].Add(minEdge);mst[minEdge].Add(i);visited[minEdge] = true;}return mst;}public static void Main(){int n = 5;int[,] weights = {{0, 4, 0, 0, 1, 3},{4, 0, 8, 0, 0, 0},{0, 8, 0, 7, 0, 4},{0, 0, 7, 0, 9, 1},{1, 0, 0, 9, 0, 2},{3, 0, 4, 1, 2, 0}};var mst = FindMinimumSpanningTree(n, weights);// 输出最小生成树for (int i = 0; i < n; i++){for (int j = 0; j < n; j++){if (mst[i].Contains(j)){Console.Write("{0} ", j);}}Console.WriteLine();}}
}

2. 动态规划(Dynamic Programming)

动态规划是一种通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。动态规划的核心思想是保存子问题的解,以免重复计算。动态规划通常用于解决具有重叠子问题和最优子结构特点的问题,例如背包问题、最长公共子序列等。

动态规划的主要优点是能够保证找到全局最优解。但缺点是计算量较大,当问题规模较大时,时间复杂度和空间复杂度较高。因此,在使用动态规划时,需要正确划分子问题,并找到递推关系和边界条件。

示例:最长公共子序列(Longest Common Subsequence, LCS)

using System;public class DynamicProgrammingExample
{public static int FindLongestCommonSubsequence(string text1, string text2){int[,] dp = new int[text1.Length + 1, text2.Length + 1];for (int i = 1; i <= text1.Length; i++){for (int j = 1; j <= text2.Length; j++){if (text1[i - 1] == text2[j - 1]){dp[i, j] = dp[i - 1, j - 1] + 1;}else{dp[i, j] = Math.Max(dp[i - 1, j], dp[i, j - 1]);}}}return dp[text1.Length, text2.Length];}public static void Main(){string text1 = "ABCBDAB";string text2 = "BDCAB";int length = FindLongestCommonSubsequence(text1, text2);Console.WriteLine("最长公共子序列的长度是: " + length);}
}

3. 分治算法(Divide and Conquer)

分治算法是一种将一个复杂问题分解成两个或者更多的相同或相似的子问题,再将子问题分成更小的子问题,直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并。分治算法通常用于解决具有递归特点的问题,例如归并排序、快速排序等。

分治算法的主要优点是实现简单,且能够保证找到全局最优解。但缺点是递归导致的函数调用开销较大,当问题规模较大时,时间复杂度和空间复杂度较高。因此,在使用分治算法时,需要确保子问题具有独立性,且合并子问题的解能得到原问题的解。

示例:归并排序(Merge Sort)

csharp
复制
using System;

public class DivideAndConquerExample
{
public static void Merge(int[] arr, int left, int mid, int right)
{
int n1 = mid - left + 1;
int n2 = right - mid;

    int[] L = new int[n1];int[] R = new int[n2];Array.Copy(arr, left, L, 0, n1);Array.Copy(arr, mid + 1, R, 0, n2);int i = 0, j = 0;int k = left;while (i < n1 && j < n2){if (L[i] <= R[j]){arr[k] = L[i];i++;}else{arr[k] = R[j];j++;}k++;}while (i < n1){arr[k] = L[i];i++;k++;}while (j < n2){arr[k] = R[j];j++;k++;}
}public static void MergeSort(int[] arr, int left, int right)
{if (left < right){int mid = left + (right - left) / 2;MergeSort(arr, left, mid);MergeSort(arr, mid + 1, right);Merge(arr, left, mid, right);}
}public static void Main()
{int[] arr = { 12, 11, 13, 5, 6, 7 };int n = arr.Length;MergeSort(arr, 0, n - 1);Console.WriteLine("排序后的数组: ");for (int i = 0; i < n; i++){Console.Write(arr[i] + " ");}
}

}

4. 回溯算法(Backtracking)

回溯算法是一种通过尝试分步选择的方法去解决问题的策略。它在每一步尝试所有可能的选择,如果当前选择导致无法达到期望的结果,则回溯到上一步,尝试另一个选项。回溯算法通常用于解决具有约束条件的组合问题,例如旅行商问题、0-1背包问题等。

回溯算法的主要优点是能够找到所有可能的解。但缺点是计算量较大,当问题规模较大时,时间复杂度和空间复杂度较高。因此,在使用回溯算法时,需要合理设计搜索状态空间和剪枝策略,以减少不必要的计算。

示例:八皇后问题(Eight Queens Problem)

using System;public class BacktrackingExample
{public static bool PlaceQueen(int[,] board, int row){for (int col = 0; col < board.GetLength(1); col++){if (IsSafe(board, row, col)){board[row, col] = 1;if (row == board.GetLength(0) - 1){return true;}if (PlaceQueen(board, row + 1)){return true;}board[row, col] = 0;}}return false;}public static bool IsSafe(int[,] board, int row, int col){for (int i = 0; i < row; i++){if (board[i, col] == 1){return false;}}for (int i = row, j = col; i >= 0 && j >= 0; i--, j--){if (board[i, j] == 1){return false;}}for (int i = row, j = col; i < board.GetLength(0) && j < board.GetLength(1); i++, j++){if (board[i, j] == 1){return false;}}return true;}public static void Main(){int n = 8;int[,] board = new int[n, n];if (PlaceQueen(board, 0)){Console.WriteLine("八皇后问题的解决方案:");for (int i = 0; i < n; i++){for (int j = 0; j < n; j++){Console.Write(board[i, j] + " ");}Console.WriteLine();}}else{Console.WriteLine("八皇后问题没有解决方案。");}}
}

以上是四种常用启发式算法的简要介绍和示例。每种算法都有其适用的场景和特点,根据具体问题的性质选择合适的算法可以提高解决问题的效率。

这篇关于数据结构与算法:常用的启发式算法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/908313

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

JS常用组件收集

收集了一些平时遇到的前端比较优秀的组件,方便以后开发的时候查找!!! 函数工具: Lodash 页面固定: stickUp、jQuery.Pin 轮播: unslider、swiper 开关: switch 复选框: icheck 气泡: grumble 隐藏元素: Headroom

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个

综合安防管理平台LntonAIServer视频监控汇聚抖动检测算法优势

LntonAIServer视频质量诊断功能中的抖动检测是一个专门针对视频稳定性进行分析的功能。抖动通常是指视频帧之间的不必要运动,这种运动可能是由于摄像机的移动、传输中的错误或编解码问题导致的。抖动检测对于确保视频内容的平滑性和观看体验至关重要。 优势 1. 提高图像质量 - 清晰度提升:减少抖动,提高图像的清晰度和细节表现力,使得监控画面更加真实可信。 - 细节增强:在低光条件下,抖

【数据结构】——原来排序算法搞懂这些就行,轻松拿捏

前言:快速排序的实现最重要的是找基准值,下面让我们来了解如何实现找基准值 基准值的注释:在快排的过程中,每一次我们要取一个元素作为枢纽值,以这个数字来将序列划分为两部分。 在此我们采用三数取中法,也就是取左端、中间、右端三个数,然后进行排序,将中间数作为枢纽值。 快速排序实现主框架: //快速排序 void QuickSort(int* arr, int left, int rig

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

常用的jdk下载地址

jdk下载地址 安装方式可以看之前的博客: mac安装jdk oracle 版本:https://www.oracle.com/java/technologies/downloads/ Eclipse Temurin版本:https://adoptium.net/zh-CN/temurin/releases/ 阿里版本: github:https://github.com/

30常用 Maven 命令

Maven 是一个强大的项目管理和构建工具,它广泛用于 Java 项目的依赖管理、构建流程和插件集成。Maven 的命令行工具提供了大量的命令来帮助开发人员管理项目的生命周期、依赖和插件。以下是 常用 Maven 命令的使用场景及其详细解释。 1. mvn clean 使用场景:清理项目的生成目录,通常用于删除项目中自动生成的文件(如 target/ 目录)。共性规律:清理操作