演算法設計與分析，演算法設計策略有哪些

數字是 a，四位數字分別寫在 b[4] 上。

對於迴圈判斷乙個陣列，如果存在相等的不操作，則不相等，寫在乙個地方。

大於或等於 1000,000 位是非零。

a%b[i]==0，&四位數字。

如果這一切都是真的，那就是被篩選出來的。

演算法設計策略如下：

1.分而治之的HTML

分而治之法的設計思路是將乙個難以直接解決的大問題分成k個小的子問題，這些子問題彼此獨立，與原來的問題相同，然後逐一分解，分而治之。 演算法。

2. SPA動態規劃

與分割槽法類似，動態規劃的基本思想是將原始問題分解為幾個子問題。 在這種情況下，顯然沒有必要使用分而治之的方法反覆解決一些子問題。 在求解過程中，動態規劃方法將所有已求解子問題的答案儲存下來，從而避免子問題的重複求解。

3.貪婪。 當乙個問題具有最佳的子結構屬性時，可以通過動態規劃來解決。 但有時有一種比動態規劃更簡單、更直接、更有效的演算法——貪婪方法。

貪婪的法老在當下做出了最好的選擇，也就是說，貪婪的法老不考慮整體的最優，而只考慮某種意義上的區域性最優選擇。

4. 回溯。 回溯方法是對問題的解空間樹進行深度優先搜尋，但在DFS之前，每個節點都需要確定該節點是否可能包含問題的解。 如果確定它不包含它，則跳過對節點根植的子樹的搜尋，並將搜尋分層回其祖先節點。

如果可能，請輸入子樹並執行 DFS。

5.分支限制。

回溯方法是對解空間進行深度優先搜尋，實際上任何搜尋整個解空間的演算法都可以解決問題。 因此，任何將通用圖搜尋作為搜尋策略的實現都可以解決問題，只要它是詳盡的。 除了深度優先搜尋之外，我們還可以使用廣度優先搜尋，分支限制規則是對解空間進行優先順序優先搜尋。

1）瓜分和征服。

對於尺度為n的問題，如果該問題可以很容易地解決（例如，尺度n較小），則直接求解; 否則，將其分解為k個彼此獨立且與原始問題形式相同的較小子問題，這些子問題以遞迴方式求解，然後將子問題的解組合在一起，得到原始問題的解。

2）回溯法（深度優先）。

回溯法是一種選擇性搜尋方法，根據選擇標準向前搜尋以達到目標。 但是，當搜尋達到某個步驟，發現原來的選擇不是最優的或沒有達到目標時，它會退後一步，再次選擇。 這種回溯不行又再回去的技術就是回溯法。

3）貪婪法。

它總是在當下做出最佳選擇，而不把它作為乙個整體來考慮，它在每一步做出的選擇只是當前步驟的區域性最優選擇，而不一定是整體的最優選擇。 由於不必窮盡所有可能的解決方案來找到最優解，因此花費的時間更少，通常可以快速獲得滿意的解，但不能獲得最優解。

4）動態規劃。

在求解問題時，對於決策的每一步，都列出各種可能的區域性解，然後根據一定的判斷條件，摒棄一定不能得到最優解的區域性解，每一步都篩選出最優解，確保全域性解是最優解。

5）分支限制法（寬度優先）。

分而治之演算法發現的子問題是相互獨立的。

動態規劃演算法具有最優子結構和重疊子問題的性質。

貪婪演算法不追求最優解，而只追求可行解，因此不具備最優子結構的特徵。

時間複雜度實際上分為：平均時間複雜度最好是時間複雜度跟最壞情況下的時間複雜度。對於乙個演算法來說，往往有很多特殊情況，一般來說，我們所說的時間複雜度是指最壞情況下的時間複雜度因為在最壞的情況下，我們能夠評估乙個演算法會有多糟糕，這樣我們就可以更好地選擇合適的演算法來解決問題。

目前常用的時間複雜度表示法是“.大 O 表示法但還有其他符號。

下面是乙個可以直接顯示各種時間複雜度的好壞的圖表：

具有最佳時間複雜度的演算法是 o（1），即在有限次內獲得結果。 當然，乙個演算法能否達到o（1）的時間複雜度，要看具體情況，當然我們也希望程式的效能最優，所以演算法的時間複雜度可以低於o（n2）一般來說，是很不錯的。 不要忘記，除了時間複雜性之外，演算法的效能還考慮了空間複雜性，在大多數情況下，通常在時間複雜性和空間複雜性之間進行權衡。

例如，要找到最長的公共子序列，這種動態規劃非常簡單。