发布时间 : 星期一 文章算法设计与分析复习题目及答案资料更新完毕开始阅读
S=S∪{u}
for each vertex 3 do 4 四、算法理解题（本题10分） 根据优先队列式分支限界法，求下图中从v1点到v9点的单源最短路径，请画出求得最优解的解空间树。要求中间被舍弃的结点用×标记，获得中间解的结点用单圆圈○框起，最优解用双圆圈◎框起。
五、算法理解题（本题5分）
设有n=2k个运动员要进行循环赛，现设计一个满足以下要求的比赛日程表： ①每个选手必须与其他n-1名选手比赛各一次； ②每个选手一天至多只能赛一次； ③循环赛要在最短时间内完成。
（1）如果n=2k，循环赛最少需要进行几天； （2）当n=23=8时，请画出循环赛日程表。 六、算法设计题（本题15分）
分别用贪心算法、动态规划法、回溯法设计0-1背包问题。要求：说明所使用的算法策略；写出算法实现的主要步骤；分析算法的时间。 七、算法设计题（本题10分）
通过键盘输入一个高精度的正整数n(n的有效位数≤240)，去掉其中任意s个数字后，剩下的数字按原左右次序将组成一个新的正整数。编程对给定的n 和s，寻找一种方案，使得剩下的数字组成的新数最小。
【样例输入】 178543 S=4
【样例输出】 13
二、简答题（本题25分，每小题5分）
6、分治法的基本思想是将一个规模为n的问题分解为k个规模较小的子问题，这些子问题互相独立且与原问题相同；对这k个子问题分别求解。如果子问题的规模仍然不够小，则再划分为k个子问题，如此递归的进行下去，直到问题规模足够小，很容易求出其解为止；将求出的小规模的问题的解合并为一个更大规模的问题的解，自底向上逐步求出原来问题的解。 7、“最优化原理”用数学化的语言来描述：假设为了解决某一优化问题，需要依次作出n个决策D1，D2，…，Dn，如若这个决策序列是最优的，对于任何一个整数k，1 < k < n，不论前面k个决策是怎样的，以后的最优决策只取决于由前面决策所确定的当前状态，即以后的决策Dk+1，Dk+2，…，Dn也是最优的。
8、某个问题的最优解包含着其子问题的最优解。这种性质称为最优子结构性
质。
9、回溯法的基本思想是在一棵含有问题全部可能解的状态空间树上进行深度优先搜索，解为叶子结点。搜索过程中，每到达一个结点时，则判断该结点为根的子树是否含有问题的解，如果可以确定该子树中不含有问题的解，则放弃对该子树的搜索，退回到上层父结点，继续下一步深度优先搜索过程。在回溯法中，并不是先构造出整棵状态空间树，再进行搜索，而是在搜索过程，逐步构造出状态空间树，即边搜索，边构造。 10、 P(Polynomial问题)：也即是多项式复杂程度的问题。
NP就是Non-deterministic Polynomial的问题，也即是多项式复杂程度的非确定性问题。
NPC(NP Complete)问题，这种问题只有把解域里面的所有可能都穷举了之后才能得出答案，这样的问题是NP里面最难的问题，这种问题就是NPC问题。
三、算法填空（本题20分，每小题5分） 1、n后问题回溯算法
(1) !M[j]&&!L[i+j]&&!R[i-j+N] (2) M[j]=L[i+j]=R[i-j+N]=1; (3) try(i+1,M,L,R,A) (4) A[i][j]=0
(5) M[j]=L[i+j]=R[i-j+N]=0 2、数塔问题。 （1）c<=r
(2)t[r][c]+=t[r+1][c] （3）t[r][c]+=t[r+1][c+1] 3、Hanoi算法 （1）move(a,c)
（2）Hanoi(n-1, a, c , b) （3）Move(a,c) 4、（1）p[v]=NIL （2）p[v]=u (3) v∈adj[u] （4）Relax(u,v,w)
四、算法理解题（本题10分）
1 2 3 4 5 6 7 8
2 1 4 3 6 5 8 7
3 4 1 2 7 8 5 6
4 3 2 1 8 7 6 5
5 6 7 8 1 2 3 4 五、（1）8天（2分）；
6 5 8 7 2 1 4 3 （2）当n=23=8时，循环赛日程表（3分）。
7 8 5 6 3 4 1 2 六、算法设计题（本题15分） 8 7 6 5 4 3 2 1 （1）贪心算法 O（nlog（n））
? 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超过C，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，直到背包装满为止。 ? 具体算法可描述如下：
void Knapsack(int n,float M,float v[],float w[],float x[]) {Sort(n,v,w); int i;
for (i=1;i<=n;i++) x[i]=0; float c=M;
for (i=1;i<=n;i++) {if (w[i]>c) break; x[i]=1; c-=w[i]; }
if (i<=n) x[i]=c/w[i]; }
（2）动态规划法 O(nc)
m(i，j)是背包容量为j，可选择物品为i，i+1，…，n时0-1背包问题的最优值。由0-1背包问题的最优子结构性质，可以建立计算m(i，j)的递归式如下。
j?wi?max{m(i?1,j),m(i?1,j?wi)?vi}m(i,j)??0?j?wim(i?1,j)?j?wn?vnm(n,j)???00?j?wn
void KnapSack(int v[],int w[],int c,int n,int m[][11])
{int jMax=min(w[n]-1,c);
for (j=0;j<=jMax;j++) /*m(n,j)=0 0= for (j=w[n];j<=c;j++) /*m(n,j)=v[n] j>=w[n]*/ m[n][j]=v[n]; for (i=n-1;i>1;i--) { int jMax=min(w[i]-1,c); for (j=0;j<=jMax;j++) /*m(i,j)=m(i+1,j) 0= for (j=w[i];j<=c;j++)/*m(n,j)=v[n] j>=w[n]*/ m[i][j]=max(m[i+1][j],m[i+1][j-w[i]]+v[i]); } m[1][c]=m[2][c]; if(c>=w[1]) m[1][c]=max(m[1][c],m[2][c-w[1]]+v[1]); } （3）回溯法 O(2n) cw:当前重量 cp:当前价值 bestp：当前最优值 void backtrack(int i) //回溯法 i初值1 { if(i > n) //到达叶结点 { bestp = cp; return; } if(cw + w[i] <= c) //搜索左子树 { cw += w[i]; cp += p[i]; backtrack(i+1); cw -= w[i]; cp -= p[i]; } if(Bound(i+1)>bestp) //搜索右子树 backtrack(i+1); } 七、算法设计题（本题10分） 为了尽可能地逼近目标，我们选取的贪心策略为：每一步总是选择一个使剩下的数最小的数字删去，即按高位到低位的顺序搜索，若各位数字递增，则删除最后一个数字，否则删除第一个递减区间的首字符。然后回到串首，按上述规则再删除下一个数字。重复以上过程s次，剩下的数字串便是问题的解了。 具体算法如下： 输入s, n; while（ s > 0 ） { i=1; //从串首开始找