算法设计与分析实验报告
算法设计与分析的实验报告
实验一递归与分治策略一、实验目的1．加深学生对分治法算法设计方法的基本思想、基本步骤、基本方法的理解与掌握；2．提高学生利用课堂所学知识解决实际问题的能力；3．提高学生综合应用所学知识解决实际问题的能力。
二、实验内容1、①设a[0:n-1]是已排好序的数组。
请写二分搜索算法，使得当搜索元素x不在数组中时，返回小于x的最大元素位置i和大于x的最小元素位置j。
当搜索元素在数组中时，i和j相同，均为x在数组中的位置。
②写出三分搜索法的程序。
三、实验要求（1）用分治法求解上面两个问题；（2）再选择自己熟悉的其它方法求解本问题；（3）上机实现所设计的所有算法；四、实验过程设计（算法设计过程）1、已知a[0:n-1]是一个已排好序的数组，可以采用折半查找（二分查找）算法。
如果搜索元素在数组中，则直接返回下表即可；否则比较搜索元素x与通过二分查找所得最终元素的大小，注意边界条件，从而计算出小于x的最大元素的位置i和大于x的最小元素位置j。
2、将n个元素分成大致相同的三部分，取在数组a的左三分之一部分中继续搜索x。
如果x>a[2(n-1)/3]，则只需在数组a的右三分之一部分中继续搜索x。
上述两种情况不成立时，则在数组中间的三分之一部分中继续搜索x。
五、实验结果分析二分搜索法：三分搜索法：时间复杂性：二分搜索每次把搜索区域砍掉一半，很明显时间复杂度为O(log n)。
（n代表集合中元素的个数）三分搜索法：O（3log3n）空间复杂度：O（1）。
六、实验体会本次试验解决了二分查找和三分查找的问题，加深了对分治法的理解，收获很大，同时我也理解到学习算法是一个渐进的过程，算法可能一开始不是很好理解，但是只要多看几遍，只看是不够的还要动手分析一下，这样才能学好算法。
七、附录：（源代码）二分搜索法：#include<iostream.h>#include<stdio.h>int binarySearch(int a[],int x,int n){int left=0;int right=n-1;int i,j;while(left<=right){int middle=(left+right)/2;if(x==a[middle]){i=j=middle;return 1;}if(x>a[middle])left=middle+1;else right=middle-1;}i=right;j=left;return 0;}int main(){ int a[10]={0,1,2,3,4,5,6,7,8,9};int n=10;int x=9;if(binarySearch(a,x,n))cout<<"找到"<<endl;elsecout<<"找不到"<<endl;return 0;}实验二动态规划——求解最优问题一、实验目的1．加深学生对动态规划算法设计方法的基本思想、基本步骤、基本方法的理解与掌握；2．提高学生利用课堂所学知识解决实际问题的能力；3．提高学生综合应用所学知识解决实际问题的能力。
《算法设计与分析》实验报告实验一...
《算法设计与分析》实验报告实验一递归与分治策略应用基础学号：**************姓名：*************班级：*************日期：2014-2015学年第1学期第九周一、实验目的1、理解递归的概念和分治法的基本思想2、了解适用递归与分治策略的问题类型，并能设计相应的分治策略算法3、掌握递归与分治算法时间空间复杂度分析，以及问题复杂性分析方法二、实验内容任务：以下题目要求应用递归与分治策略设计解决方案，本次实验成绩按百分制计，完成各小题的得分如下，每小题要求算法描述准确且程序运行正确。
1、求n个元素的全排。
（30分）2、解决一个2k*2k的特殊棋牌上的L型骨牌覆盖问题。
（30分）3、设有n=2k个运动员要进行网球循环赛。
设计一个满足要求的比赛日程表。
（40分）提交结果：算法设计分析思路、源代码及其分析说明和测试运行报告。
三、设计分析四、算法描述及程序五、测试与分析六、实验总结与体会#include "iostream"using namespace std;#define N 100void Perm(int* list, int k, int m){if (k == m){for (int i=0; i<m; i++)cout << list[i] << " ";cout << endl;return;}else{for (int i=m; i<k; i++){swap(list[m], list[i]);Perm(list, k, m+1);swap(list[m], list[i]);}}}void swap(int a,int b){int temp;temp=a;a=b;b=temp;}int main(){int i,n;int a[N];cout<<"请输入排列数据总个数：";cin>>n;cout<<"请输入数据：";for(i=0;i<n;i++){cin>>a[i];}cout<<"该数据的全排列："<<endl;Perm(a,n,0);return 0;}《算法设计与分析》实验报告实验二递归与分治策略应用提高学号：**************姓名：*************班级：*************日期：2014-2015学年第1学期一、实验目的1、深入理解递归的概念和分治法的基本思想2、正确使用递归与分治策略设计相应的问题的算法3、掌握递归与分治算法时间空间复杂度分析，以及问题复杂性分析方法二、实验内容任务：从以下题目中任选一题完成，要求应用递归与分治策略设计解决方案。
算法分析与设计实验报告--回溯法
算法分析与设计实验报告--回溯法实验目的：通过本次实验，掌握回溯法的基本原理和应用，能够设计出回溯法算法解决实际问题。
实验内容：1.回溯法概述回溯法全称“试探回溯法”，又称“逐步退化法”。
它是一种通过不断试图寻找问题的解，直到找到解或者穷尽所有可能的解空间技术。
回溯法的基本思路是从问题的某一个初始状态开始，搜索可行解步骤，一旦发现不满足求解条件的解就回溯到上一步，重新进行搜索，直到找到解或者所有可能的解空间已经搜索完毕。
2.回溯法的基本应用回溯法可用于求解许多 NP 问题，如 0/1 背包问题、八皇后问题、旅行商问题等。
它通常分为两种类型：一种是通过枚举所有可能的解空间来寻找解；另一种则是通过剪枝操作将搜索空间减少到若干种情况，大大减少了搜索时间。
3.回溯法的解题思路（1）问题分析：首先需要对问题进行分析，确定可行解空间和搜索策略；（2）状态表示：将问题的每一种状况表示成一个状态；（3）搜索策略：确定解空间的搜索顺序；（4）搜索过程：通过逐步试探，不断扩大搜索范围，更新当前状态；（5）终止条件：在搜索过程中，如果找到了满足要求的解，或者所有的可行解空间都已搜索完毕，就结束搜索。
4.八皇后问题八皇后问题是指在一个 8x8 的棋盘上放置八个皇后，使得任意两个皇后都不在同一行、同一列或同一对角线上。
通过回溯法可以求解出所有的可能解。
实验过程：回溯法的实现关键在于搜索空间的剪枝，避免搜索无用的解；因此，对于八皇后问题，需要建立一个二维数组来存放棋盘状态，以及一个一维数组来存放每行放置的皇后位置。
从第一行开始搜索，按照列的顺序依次判断当前的空位是否可以放置皇后，如果可以，则在相应的位置标记皇后，并递归到下一行；如果不能，则回溯到上一行，重新搜索。
当搜索到第八行时，获取一组解并返回。
代码实现：```pythondef is_valid(board, row, col):for i in range(row):if board[i] == col or abs(board[i] - col) == abs(i - row):return Falsereturn True实验结果：当 n=4 时，求得的所有可行解如下：```[[1, 3, 0, 2],[2, 0, 3, 1]]```本次实验通过实现回溯法求解八皇后问题，掌握了回溯法的基本原理和应用，并对回溯法的核心思想进行了深入理解。
算法实验报告范文
算法实验报告范文《算法设计与分析》实验报告班级姓名学号年月日目录实验一二分查找程序实现…………………………………………………………………03页实验二棋盘覆盖问题（分治法）.…………………………………………………………08页实验三0-1背包问题的动态规划算法设计……………………………………………….11页实验四背包问题的贪心算法………………………………………………………………14页实验五最小重量机器设计问题（回溯法）………………………………………………17页实验六最小重量机器设计问题（分支限界法）…………………………………………20页指导教师对实验报告的评语成绩：指导教师签字：年月日2实验一：二分查找程序实现一、实验时间：2022年10月8日，星期二，第一、二节地点：J13#328二、实验目的及要求目的：1、用c/c++语言实现二分搜索算法。
2、通过随机产生有序表的方法，测出在平均意义下算法比较次数随问题规模的变化曲线，并作图。
三、实验环境平台：Win732位操作系统开发工具：Codeblock10.05四、实验内容对已经排好序的n个元素a[0：n-1]，现在要在这n个元素中找出一特定元素某。
五、算法描述及实验步骤算法描述：折半查找法也称为二分查找法，它充分利用了元素间的次序关系，采用分治策略，可在最坏的情况下用O(logn)完成搜索任务。
它的基本思想是，将n个元素分成个数大致相同的两半，取a[n/2]与欲查找的某作比较，如果某=a[n/2]则找到某，算法终止。
如果某a[n/2]，则我们只要在数组a的右半部继续搜索某。
二分搜索法的应用极其广泛，而且它的思想易于理解。
确定算法复杂度基本步骤：1、首先设定问题规模n；2、随即产生递增数列；3、在n个有序数中随机取一个作为待查找量，搜索之；4、记录查找过程中的比较次数，再次生成新的有序表并查找，记录查找次数，每个数组重复10次；5、改变问题规模n重复上述步骤2~4，n取100、200……1000；6、依实验数据作图，并与理论图作比较；7、二分搜索算法平均查找次数：问题规模为n时，平均查找次数为：A(n)=Int(logn)+1/2//Int()函数为向下取整3即二分搜索算法对于含有n个数据的有序表L平均作了约Int(logn)+1/2次的查找操作。
算法分析与设计实验报告合并排序快速排序
算法分析与设计实验报告：合并排序与快速排序一、引言算法是计算机科学中非常重要的一部分，它涉及到解决问题的方法和步骤。
合并排序和快速排序是两种经典而常用的排序算法。
本文将对这两种排序算法进行分析和设计实验，通过对比它们的性能和效率，以期得出最优算法。
二、合并排序合并排序是一种分治算法，它将原始数组不断分解为更小的数组，直到最后细分为单个元素。
然后，再将这些单个元素两两合并，形成一个有序数组。
合并排序的核心操作是合并两个有序的数组。
1. 算法步骤（1）将原始数组分解为更小的子数组，直到每个子数组只有一个元素；（2）两两合并相邻的子数组，同时进行排序，生成新的有序数组；（3）重复步骤（2），直到生成最终的有序数组。
2. 算法性能合并排序的最优时间复杂度为O(nlogn)，其中n为待排序数组的长度。
无论最好情况还是最坏情况，合并排序的复杂度都相同。
合并排序需要额外的存储空间来存储临时数组，所以空间复杂度为O(n)。
三、快速排序快速排序也是一种分治算法，它将原始数组根据一个主元（pivot）分成两个子数组，一个子数组的元素都小于主元，另一个子数组的元素都大于主元。
然后，递归地对这两个子数组进行排序，最后得到有序数组。
快速排序的核心操作是划分。
1. 算法步骤（1）选择一个主元（pivot），可以是随机选择或者固定选择第一个元素；（2）将原始数组根据主元划分为两个子数组，一个子数组的元素都小于主元，另一个子数组的元素都大于主元；（3）递归地对这两个子数组进行快速排序；（4）重复步骤（2）和（3），直到每个子数组只有一个元素，即得到最终的有序数组。
2. 算法性能快速排序的平均时间复杂度为O(nlogn)，其中n为待排序数组的长度。
最坏情况下，当每次选择的主元都是最小或最大元素时，时间复杂度为O(n^2)。
快速排序是原地排序，不需要额外的存储空间，所以空间复杂度为O(1)。
四、实验设计为了验证合并排序和快速排序的性能和效率，我们设计以下实验：1. 实验目的：比较合并排序和快速排序的时间复杂度和空间复杂度。
算法分析与设计实验报告
算法分析与设计实验报告算法分析与设计实验报告一、引言算法是计算机科学的核心，它们是解决问题的有效工具。
算法分析与设计是计算机科学中的重要课题，通过对算法的分析与设计，我们可以优化计算机程序的效率，提高计算机系统的性能。
本实验报告旨在介绍算法分析与设计的基本概念和方法，并通过实验验证这些方法的有效性。
二、算法分析算法分析是评估算法性能的过程。
在实际应用中，我们常常需要比较不同算法的效率和资源消耗，以选择最适合的算法。
常用的算法分析方法包括时间复杂度和空间复杂度。
1. 时间复杂度时间复杂度衡量了算法执行所需的时间。
通常用大O表示法表示时间复杂度，表示算法的最坏情况下的运行时间。
常见的时间复杂度有O(1)、O(log n)、O(n)、O(n log n)和O(n^2)等。
其中，O(1)表示常数时间复杂度，O(log n)表示对数时间复杂度，O(n)表示线性时间复杂度，O(n log n)表示线性对数时间复杂度，O(n^2)表示平方时间复杂度。
2. 空间复杂度空间复杂度衡量了算法执行所需的存储空间。
通常用大O表示法表示空间复杂度，表示算法所需的额外存储空间。
常见的空间复杂度有O(1)、O(n)和O(n^2)等。
其中，O(1)表示常数空间复杂度，O(n)表示线性空间复杂度，O(n^2)表示平方空间复杂度。
三、算法设计算法设计是构思和实现算法的过程。
好的算法设计能够提高算法的效率和可靠性。
常用的算法设计方法包括贪心算法、动态规划、分治法和回溯法等。
1. 贪心算法贪心算法是一种简单而高效的算法设计方法。
它通过每一步选择局部最优解，最终得到全局最优解。
贪心算法的时间复杂度通常较低，但不能保证得到最优解。
2. 动态规划动态规划是一种将问题分解为子问题并以自底向上的方式求解的算法设计方法。
它通过保存子问题的解，避免重复计算，提高算法的效率。
动态规划适用于具有重叠子问题和最优子结构的问题。
3. 分治法分治法是一种将问题分解为更小规模的子问题并以递归的方式求解的算法设计方法。
算法设计与分析实验报告(中南民族大学)
院系：计算机科学学院专业：年级：课程名称：算法设计与分析基础班号：组号：指导教师：年月日实验结果及分析1.求最大数2.递归法与迭代法性能比较递归迭代3.改进算法1.利用公式法对第n项Fibonacci数求解时可能会得出错误结果。
主要原因是由于double类型的精度还不够，所以程序算出来的结果会有误差，要把公式展开计算。
2.由于递归调用栈是一个费时的过程，通过递归法和迭代法的比较表明，虽然递归算法的代码更精简更有可读性，但是执行速度无法满足大数问题的求解。
3.在当前计算机的空间较大的情况下，在一些速度较慢的问题中，空间换时间是一个比较周全的策略。
实验原理（算法基本思想）定义：若A=(a ij), B=(b ij)是n×n的方阵，则对i,j=1,2,…n，定义乘积C=A⋅B 中的元素c ij为：1.分块解法通常的做法是将矩阵进行分块相乘，如下图所示：二．Strassen解法分治法思想将问题实例划分为同一问题的几个较小的实例。
对这些较小实例求解，通常使用递归方法，但在问题规模足够小时，也会使用另一种算法。
如果有必要，合并这些问题的解，以得到原始问题的解。
求解矩阵相乘的DAC算法，使用了strassen算法。
DAC（A[]，B[]，n）{If n=2 使用7次乘法的方法求得解ElseDivide（A）//把A分成4块Divide（B）//把B分成4块调用7次strassen算法求得解的4块合并这4块得到解并返回}伪代码Serial_StrassenMultiply(A, B, C) {T1 = A0 + A3;T2 = B0 + B3;StrassenMultiply(T1, T2, M1);T1 = A2 + A3;StrassenMultiply(T1, B0, M2);T1 = (B1 - B3);StrassenMultiply (A0, T1, M3);T1 = B2 - B0;StrassenMultiply(A3, T1, M4);T1 = A0 + A1;StrassenMultiply(T1, B3, M5);T1 = A2 – A0;T2 = B0 + B1;StrassenMultiply(T1, T2, M6);T1 = A1 – A3;T2 = B2 + B3;StrassenMultiply(T1, T2, M7);C0 = M1 + M4 - M5 + M7C1 = M3 + M5C2 = M2 + M4C3 = M1 - M2 + M3 + M6}实验结果及分析时间复杂度1.分块相乘总共用了8次乘法，因而需要Θ(n log28)即Θ(n3)的时间复杂度。
算法设计与分析实验报告
算法设计与分析实验报告实验一全排列、快速排序【实验目的】1. 掌握全排列的递归算法。
2. 了解快速排序的分治算法思想。
【实验原理】一、全排列全排列的生成算法就是对于给定的字符集，用有效的方法将所有可能的全排列无重复无遗漏地枚举出来。
任何n个字符集的排列都可以与1～n的n个数字的排列一一对应，因此在此就以n 个数字的排列为例说明排列的生成法。
n个字符的全体排列之间存在一个确定的线性顺序关系。
所有的排列中除最后一个排列外，都有一个后继；除第一个排列外，都有一个前驱。
每个排列的后继都可以从它的前驱经过最少的变化而得到，全排列的生成算法就是从第一个排列开始逐个生成所有的排列的方法。
二、快速排序快速排序（Quicksort）是对冒泡排序的一种改进。
它的基本思想是：通过一趟排序将要排序的数据分割成独立的两部分，其中一部分的所有数据都比另外一部分的所有数据都要小，然后再按此方法对这两部分数据分别进行快速排序，整个排序过程可以递归进行，以此达到整个数据变成有序序列。
【实验内容】１.全排列递归算法的实现。
２.快速排序分治算法的实现。
【实验结果】１. 全排列：２. 快速排序：实验二最长公共子序列、活动安排问题【实验目的】１. 了解动态规划算法设计思想，运用动态规划算法实现最长公共子序列问题。
２. 了解贪心算法思想，运用贪心算法设计思想实现活动安排问题。
【实验原理】一、动态规划法解最长公共子序列设序列X=和Y=的一个最长公共子序列Z=，则：i. 若xm=yn，则zk=xm=yn且Zk-1是Xm-1和Yn-1的最长公共子序列；ii. 若xm≠yn且zk≠xm ，则Z是Xm-1和Y的最长公共子序列；iii. 若xm≠yn且z k≠yn ，则Z是X和Yn-1的最长公共子序列。
其中Xm-1=，Yn-1=，Zk-1=。
最长公共子序列问题具有最优子结构性质。
由最长公共子序列问题的最优子结构性质可知，要找出X=和Y=的最长公共子序列，可按以下方式递归地进行：当xm=yn时，找出Xm-1和Yn-1的最长公共子序列，然后在其尾部加上xm(=yn)即可得X和Y的一个最长公共子序列。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
本科实验报告课程名称：算法设计与分析实验项目：递归与分治算法实验地点：计算机系实验楼110专业班级：物联网1601 学号：********** 学生姓名：***指导教师：***2018年05月04 日实验一递归与分治算法1.1 实验目的与要求1．进一步熟悉C/C++语言的集成开发环境；2．通过本实验加深对递归与分治策略的理解和运用。
1.2 实验课时2学时1.3 实验原理分治（Divide-and-Conquer）的思想：一个规模为n的复杂问题的求解，可以划分成若干个规模小于n的子问题，再将子问题的解合并成原问题的解。
需要注意的是，分治法使用递归的思想。
划分后的每一个子问题与原问题的性质相同，可用相同的求解方法。
最后，当子问题规模足够小时，可以直接求解，然后逆求原问题的解。
1.4 实验题目1．上机题目：格雷码构造问题Gray码是一个长度为2n的序列。
序列无相同元素，每个元素都是长度为n的串，相邻元素恰好只有一位不同。
试设计一个算法对任意n构造相应的Gray码（分治、减治、变治皆可）。
对于给定的正整数n，格雷码为满足如下条件的一个编码序列。
（1）序列由2n个编码组成，每个编码都是长度为n的二进制位串。
（2）序列中无相同的编码。
（3）序列中位置相邻的两个编码恰有一位不同。
2．设计思想：根据格雷码的性质，找到他的规律，可发现，1位是0 1。
两位是00 01 11 10。
三位是000 001 011010 110 111 101 100。
n位是前n-1位的2倍个。
N-1个位前面加0，N-2为倒转再前面再加1。
3．代码设计：运行结果：1.5 思考题（1）递归的关键问题在哪里？答：1.递归式，就是如何将原问题划分成子问题。
2.递归出口，递归终止的条件，即最小子问题的求解，可以允许多个出口。
3.界函数，问题规模变化的函数，它保证递归的规模向出口条件靠拢（2）递归与非递归之间如何实现程序的转换？（3）分析二分查找和快速排序中使用的分治思想。
答：1．一般根据是否需要回朔可以把递归分成简单递归和复杂递归，简单递归一般就是根据递归式来找出递推公式（这也就引申出分治思想和动态规划）。
2．复杂递归一般就是模拟系统处理递归的机制，使用栈或队列等数据结构保存回朔点来求解。
（4）分析二次取中法和锦标赛算法中的分治思想。
二次取中法：使用快速排序法中所采用的分划方法，以主元为基准，将一个表划分为左右两个子表，左子表中的元素均小于主元，右子表中的元素均大于主元。
主元的选择是将表划分为r 部分，对找出r个中的中间值，并求r组的中间值中的中间值。
锦标赛算法：两两分组比较，大者进入下一轮，知道剩下1个元素max为止。
在每次比较中淘汰较小元素，将被淘汰元素记录在淘汰它的元素的链表上。
检查max的链表，从中知道最大元素，即second本科实验报告课程名称：算法设计与分析实验项目：贪心算法实验地点：计算机系实验楼110专业班级：物联网1601 学号：2016002105 学生姓名：俞梦真指导教师：郝晓丽2018年05月04日实验二贪心算法2.1 实验目的与要求1．理解贪心算法的基本思想；2．运用贪心算法解决实际问题，加深对贪心算法的理解和运用。
2.2 实验课时4学时（课内2学时+课外2学时）2.3 实验原理贪心算法的思想：（1）贪心算法（Greedy Approach）能得到问题的最优解，要证明我们所做的第一步选择一定包含着一个最优解，即存在一个最优解的第一步是从我们的贪心选择开始。
（2）在做出第一步贪心选择后，剩下的子问题应该是和原问题类似的规模较小的子问题，为此我们可以用数学归纳法来证明贪心选择能得到问题的最优解。
2.4 实验题目1．上机题目：最小延迟调度问题给定等待服务的客户集合A={1,2,…,n}，预计对客户i的服务时长为t i>0，T=(t1,t2,…,t n)，客户i希望的服务完成时刻为d i>0，D=(d1,d2,…,d n)；一个调度f:A→N，f(i)为客户i的开始时刻。
如果对客户i的服务在d i之前结束，那么对客户i的服务没有延迟，即如果在d i之后结束，那么这个服务就被延迟了，延迟的时间等于该服务的实际完成时刻f(i)+t i减去预期结束时刻d i。
一个调度f的最大延迟是所有客户延迟时长的最大值max i∈A{f(i)+t i d i}。
附图2所示是不同调度下的最大延迟。
使用贪心策略找出一个调度使得最大延迟达到最小。
2．设计思想：贪心思想，按照他们的截止时间从小到大排序，如果截止时间相同按照花费时间从小到大排序。
然后按照f_min（所有客户延迟时长的最大值）=max(works[i].cost+time-works[i].deadline,f_min);寻找最所有客户延迟时长的最大值。
3．代码设计：运行结果：2.5 思考题（1）哈夫曼编码问题的编程如何实现？答：哈夫曼树，又名最优树，给定n个权值作为n的叶子结点，构造一颗二叉树，若带权路径长度达到最小，成这样的二叉树为最优二叉树，也称哈夫曼树。
实现步骤：1、初始化: 根据给定的n个权值{w1，w2,…..wn..}构成n棵二叉树的集合F={T1,T2….Tn},其中每棵二叉树中只有一个带权Wi的根结点，左右子树均空。
2、找最小树:在F中选择两棵根结点权值最小的树作为左右子树构造一-棵新的二叉树，且至新的二叉树的根结点的权值为其左右子树，上根结点的权值之和。
3、删除与加入: 在F中删除这两棵树，并将新的二叉树加入F中。
4、判断:重复前两步(2和3)，直到F中只含有一棵树为止。
该树即为哈夫曼树。
（2）使用贪心策略求解背包问题。
答：首先计算每种物品单位重量的价值vi／wi，然后，依贪心选择策略，将尽可能多的单位重量价值最高的物品装入背包。
若将这种物品全部装入背包后，背包内的物品总重量未达到w，则选择单位重量价值次高的物品并尽可能多地装入背包。
依此策略一直地进行下去直到背包满重为止。
算法的主要计算时间在于将各种物品依其单位重量的价值从大到小排序。
因此，算法的计算时间上界为O(nlogn)。
（3）分析普里姆算法和克鲁斯卡尔算法中的贪心策略。
答：1、普里姆算法贪心策略：要记录到S中的下一条边（u，v）是一条不在S中，且使得SU{u,v}的权值之和也是最小的边时间复杂度：O(n^2) 空间复杂度：O(n^2)2、克鲁斯卡尔算法中的贪心策略：选取属于不同联通分量且构成权值最小且不形成回路的两个顶点组成的边、本科实验报告课程名称：算法设计与分析实验项目：动态规划实验地点：计算机系实验楼110专业班级：物联网1601 学号：2016002105 学生姓名：俞梦真指导教师：郝晓丽2018年05月07日实验三动态规划算法3.1 实验目的与要求1．理解动态规划算法的基本思想；2．运用动态规划算法解决实际问题，加深对贪心算法的理解和运用。
3.2 实验课时4学时（课内2学时+课外2学时）3.3 实验原理动态规划（Dynamic Programming）算法思想：把待求解问题分解成若干个子问题，先求解子问题，然后由这些子问题的解得到原问题的解。
动态规划求解过的子问题的结果会被保留下来，不像递归那样每个子问题的求解都要从头开始反复求解。
动态规划求解问题的关键在于获得各个阶段子问题的递推关系式：（1）分析原问题的最优解性质，刻画其结构特征；（2）递归定义最优值；（3）自底向上（由后向前）的方式计算最优值；（4）根据计算最优值时得到的信息，构造一个最优解。
3.4 实验题目1．上机题目：最大子段和问题给定n个整数（可以为负数）组成的序列(a1,a2,…,a n)，使用动态规划思想求该序列的子段和的最大值。
注：当所有整数均为负整数时，其最大子段和为0。
例如，对于六元组(-2, 11, -4, 13, -5, -2)，其最大字段和为：a2 + a3 + a4 = 20。
除了动态规划，该问题可以使用顺序求和+比较（蛮力法）和分治法求解，思考其求解过程。
2．设计思想动态规划思想：dp[i],表示到当前i的最大字段和为多少，而他的字段和时要不就是前面的最大字段和加上本身的数值要不就是自身的数值。
状态转移方程：dp[i]=max(dp[i],dp[i-1]+a[i]);3．代码设计3.5 思考题（1）深刻理解动态规划与递归求解问题的区别是什么？、答：动态规划其实和分治策略是类似的，也是将一个原问题分解为若干个规模较小的子问题，递归的求解这些子问题，然后合并子问题的解得到原问题的解。
区别在于这些子问题会有重叠，一个子问题在求解后，可能会再次求解，于是我们想到将这些子问题的解存储起来，当下次再次求解这个子问题时，直接拿过来就是。
（2）动态规划思想解题的步骤是什么？答：第一步：确定子问题。
在这一步重点是分析那些变量是随着问题规模的变小而变小的，那些变量与问题的规模无关。
第二步：确定状态：根据上面找到的子问题来给你分割的子问题限定状态第三步：推到出状态转移方程：这里要注意你的状态转移方程是不是满足所有的条件，注意不要遗漏。
第四步：确定边界条件：先根据题目的限制条件来确定题目中给出的边界条件是否能直接推导出，如果不行也可以尝试从边界条件反推（举个例子：a(n)→a(2)有递推关系，但是a(2)→a(1)不符合上述递推关系，我们就可以考虑用a(1)来倒推出a(2)，然后将递推的终点设置为a(2)）;第五步：确定实现方式：这个依照个人习惯就像是01背包的两层for循环的顺序第六步：确定优化方法：很多时候你会发现走到这里步的时候你需要返回第1步重来。
首先考虑降维问题（优化内存），优先队列、四边形不等式（优化时间）等等。
（3）动态规划思想和贪心算法在求解问题时的区别是什么？答：共同点: 求解的问题都具有最优子结构性质区别点:动态规划算法通常以自底向上的方式解各子问题，而贪心算法则通常以自顶向下的方式进行，以迭代的方式作出相继的贪心选择，每做一次贪心选择就将所求问题简化为规模更小的子问题。
（4）使用动态规划算法求解最长公共子序列（LCS）问题。
答：LCS问题的最优子结构性质，得其状态转移方程或者说递归式：dp[i][j] 表示记录a[i] b[j]的LSC的长度时间复杂度：O(m+n);a[i]==b[j] dp[i-1][j-1]+1;a[i]!=b[j] max(dp[i-1][j],dp[i][j-1]);（5）使用动态规划算法求解最长最大字段和问题。
答：动态规划思想：dp[i],表示到当前i的最大字段和为多少，而他的字段和时要不就是前面的最大字段和加上本身的数值要不就是自身的数值。
dp[i]=max(dp[i],dp[i-1]+a[i])本科实验报告课程名称：算法设计与分析实验项目：回溯算法实验地点：计算机系实验楼110专业班级：物联网1601 学号：2016002105 学生姓名：俞梦真指导教师：郝晓丽2018年05 月07 日实验四回溯算法4.1 实验目的与要求1．通过回溯算法的示例程序理解回溯算法的基本思想；2．运用回溯算法解决实际问题，进一步加深对回溯算法的理解和运用。