学习算法的心得体会

文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.学习算法的心得体会篇一：算法学习心得班级：物联1201姓名：刘潇学号：29一、实验内容：这学期的算法与设计课，老师布置了这四个问题，分别是货郎担问题，动态生成二维数组，对话框下拉列表，排序问题。二、学习掌握：基本程序描述：（1）货郎担问题：货郎担问题属于易于描述但难于解决的著名难题之一，至今世界上还有不少人在研究它。货郎担问题要从图g的所有周游路线中求取具有最小成本的周游路线，而由始点出发的周游路线一共有（n—1）！条，即等于除始结点外的n—1个结点的排列数，因此货郎担问题是一个排列问题。货郎担的程序实现了利用穷举法解决货郎担问题，可以在城市个数和各地费用给定的情况下利用穷举法逐一计算出每一条路线的费用，并从中选出费用最小的路线。从而求出问题的解（2）费用矩阵：费用矩阵的主要内容是动态生成二维数组。首先由键盘输入自然数，费用矩阵的元素由随机数产生，并取整，把生成的矩阵存放在二维数组中，最后把矩阵内容输出到文件和屏幕上。它采用分支界限法，分支限界法的基本思想是对包含具有约束条件的最优化问题的所有可行解的解（数目有限）空间进行搜索。该算法在具体执行时，把全部可行的解空间不断分割为越来越小的子集，并为每个子集内的解计算一个下界或上界。动态生成二维n*n的数组程序利用指针表示数组的行和列，并逐一分配空间，在输入门的数值后，系统自动分配空间，生成n*n的数组，并产生随机数填充数组，最后将结果输入到指定文件中。三.疑问与总结：货郎担的问题，我认为穷举法相对比而言是比较初级的方法，费时耗力，适合在练习时选用，但是在实际问题中不建议采用。克鲁斯卡尔或者普里姆算法求取最小生成树的方法来解决货郎担的问题是更适合现实解决问题的。我认为程序可以用switch函数来将函数分成几个部分更人性化，比如分为解决问题的的选项，输出结果选项，退出程序选项等。再有就是费用矩阵的值可以从文件中读取，而结果也可以直接放在指定文件中，这样在实际应用中比较广泛。动态生成二维数组的程序我认为如果按照规范性，我的方法是中规中矩的，毕竟再向下延伸，生成三维的数组，需要三层的指针来实现。但是就程序的简化程度和计算机处理时间来说，我认为这样双层指针的算法有些太占用内存，毕竟要给行和列各分配n个空间。我通过与同学的交流，我发现可以用1位数组来实现二维的n*n的数组。首先分配n*n的空间，然后通过循环在一行的数据达到n时自动换行。这样程序得到了一定的简化，并且减少了一定的内存使用。我认为这种方法是比较贴合实际的。四・心得体会在计算机软件专业中，算法分析与设计是一门非常重要的课程，很多人为它如痴如醉。很多问题的解决，程序的编写都要依赖它，在软件还是面向过程的阶段，就有程序=算法+数据结构这个公式。算法的学习对于培养一个人的逻辑思维能力是有极大帮助的，它可以培养我们养成思考分析问题，解决问题的能力。如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。因此，学习算法无疑会增强自己的竞争力，提高自己的修为，为自己增彩。篇二：算算法学习心得：算法这个词是在我在大学第一次C语言课上听到的，当时老师讲的是程序=算法+数据结构，算法是一个程序的灵魂。当时我什么也不懂，不知道什么叫数据结构，什么叫算法，它们是干什么的我也不明白。然而经历了大学四年的学习，现在的我对算法有了一个较为清晰的认识，对于它的作用也有了深刻的体会。所谓算法简单来说就是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，也就是说算法告诉计算机怎么做，以此来解决问题。同一个问题存在多种算法来解决它，但是这些算法存在着优劣之分，好的算法速度快，效率高，占用空间小，差的算法不仅复杂难懂，而且效率低，对机器要求还高，当然，有时候算法之间存在一种互补关系，有些算法效率高，节省时间，但浪费空间，另外一些算法可能速度上慢些，但是空间比较节约，这时候我们就应该根据实际要求，和具体情况来采取相应的算法来解决问题。这学期算法课上我们主要讲了七部分内容.第一章主要讲的是算法的基本概念，算法时间复杂度分析，算法的渐近时间复杂度等内容。因为算法之间的比较就是通过时间复杂度和空间复杂度来来比较的，第一章的主要目的就是让我们学会去分析一个算法的复杂度，以后就可以通过对复杂度的分析来评价算法的好坏。第二章讲的是分治法，任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。问题的规模越小，越容易直接求解，解题所需的计算时间也越少，分治法的设计思想就是，将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。在这一章中我们讲到了寻找第k个元素，矩阵相乘，寻找最近点对等几个使用分治法的经典例子，最后还将讲到了傅里叶变换的问题。以前我们学到的归并排序，二分搜索其实也是基于分治法思想的。能采用分治法来解决的问题通常有如下几个特征：1）该问题的规模缩小到一定的程度就可以容易地解决2）该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质。3）利用该问题分解出的子问题的解可以合并为该问题的解；4）该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子子问题。在用分治法解决实际问题时，我们疑问究竟各个子问题的规模应该怎样才为适当？从大量实践中发现，在用分治法设计算法时，最好使子问题的规模大致相同。换句话说，将一个问题分成大小相等的k个子问题的处理方法是行之有效的，这就是一种平衡的思想。第三章主要讲动态规划问题。这一章的内容我觉得是算法设计思想中最难，也最有趣的这部分。什么叫动态规划，动态规划的思想是什么？动态规划采用自顶向下的方式分析问题，自底向上的方式递推求值，将待求解的问题分解成若干个子问题，先求解子问题，并把子问题的解存储起来以便以后用来计算所需要求的解。简言之，动态规划的基本思想就是把全局的问题化为局部的问题，为了全局最优必须局部最优。“多阶段决策问题是根据问题本身的特点，将其求解的过程划分为若干个相互独立又相互联系的阶段，在每一个阶段都需要做出决策，并且在一个阶段的决策确定以后再转移到下一个阶段，在每一阶段选取其最优决策，从而实现整个过程总体决策最优的目的”（引用）。还记得期末考试中的最后一道关于任意给定一个数，从所给的牌中用最少的牌组成这个数，这个问题其实就可以用动态规划来解决。本科期间，在算法课上老师在动态规划这一章不布置的一个作业跟这个题目类似，当时的题目是找钱问题，问题是这样描述的：有n种不同面值的硬币，各硬币面值存于数组t[1:n]，现用这些面值的钱来找钱，编程计算找钱m的最少硬币数及各个面值。分析如下：假设对于i=1...n-1，所需最少的硬币数count(i)已知，那么对于n，所需的硬币数为min(count(i)+count(n-i)),i=1...n-1;于是一个直观的方法是用递归计算。但是，递归过程中，每次计算count(i)，都会重复计算count(1)....count(iT);这样时间复杂度就是。(『2);我们可以从1开始记录下每个钱数所需的硬币枚数，避免重复计算，为了能够输出硬币序列，我们还需要记录下每次新加入的硬币。下面给出用动态规划解决此问题的递推式：参数说明：当只用面值为t[1],t[2],t[n]来找出钱j时，所用的硬币的最小个数记为c(i,j),则c(i,j)的递推方程为：运用这个递推式，我们可以从下彳主上记录各个j所需要的应兵书i，最后当j=m时，所对应的i就是我们要求的。第四章讲的是集合算法，这一章的内容是我第一次接触，以前没有学过。这一章主要讲了平摊分析，union-find，findingthedepth，以及2-3树等内容，平摊分析教会我们如何从整体的角度去更精确的分析算法的时间复杂度，union-findsets是一种简单的用途广泛的集合，并查集是若干个不相交集合，能够实现较快的合并和判断元素所在集合的操作，一般采取树形结构来存储并查集，并利用一个rank数组来存储集合的深度下界，在查找操作时进行路径压缩使后续的查找操作加速，findingthedepth确定深度问题。为了既能求得各点在原先树中的正确深度、又能使时间复杂度较小，需要使用具有路径压缩功能的find-depth指令，同时还需要采取一些辅助手段来保证深度计算的正确性。2-3树具有以下几个特点：1、任一内结点（非叶结点）均有2个或3个儿子。2、从根到每片树叶的路径长度相等。3、内结点中只存放便于查找的信息，而叶结点中存放原始数据。第五章主要讲了随机算法。在随机算法中，我们不要求算法对所有可能的输入均正确计算，只要求出现错误的可能性小到可以忽略的程度。另外我们也不要求对同一输入算法每次执行时给出相同的结果。我们所关心的是算法在执行时，是否能够产生真正随机的结果。有不少问题，目前只有效率很差的确定性求解算法，但用随机算法去求解，可以很快地获得相当可信的结果。随机算法通常分为两大类：lasvegas算法、montecarlo算法。lasvegas算法总是给出正确的结果，但在少数应用中，可能出现求不出解的情况。此时需再次调用算法进行计算，直到获得解为止.montcarlo算法通常不能保证计算出的结果总是正确，一般只能断定所给解的正确性不小于p(1/2VpV1)。通过反复执行算法(即以增大算法的执行时间为代价)，能够使发生错误的概率小到可以忽略的程度。第五章还讲到素数测试，其中介绍了相关定理，重点讲了miller-rabin算法。第六章介绍了计算模型，这一章主要介绍了有关计算的一些本质问题，randomaccessmachines(随机存取机，简称ram)，存储程序模型rasp(randomaccessstoredprogram)，图灵机(turningmachine)以及各个计算模型之间的关系。第七章介绍了np完全问题，主要包括近似算法(approximationalgorithms)，非确定性turing机ndtm，确定性turing机dtm，以及之间的区别，np完全经典问题等内容。经过一学期的算法学习，我对算法的了解进一步加深，曾经学习过的内容得到进一步巩固，同时没有接触的内容也让我有了新的认识。作为一名计算机专业的学生，算法是一门基础学科，它里面包含的思想无处不在，学好算法分析，对于在自己的方向上获得启示，体会更深有着重大作用。所以，我们应该培养对算法的兴趣，将算法的运用融入到生活当中，比如找钱问题就是个很好的例子，通过具体的生活实例来让算法变得更加有魅力，有吸引力，以此来激发对算法的兴趣。篇三：算法设计与分析学习总结算法分析与设计学习总结题目：算法分析与设计学习总结学院信息科学与工程学院专业届次学生姓名学号二。一三年一月十五日算法分析与设计学习总结本学期通过学习算法分析与设计课程，了解到：算法是一系列解决问题的清晰指令，代表着用系统的方法描述解决问题的策略机制。算法能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。设计的算法要具有以下的特征才能有效的完成设计要求，算法的特征有：（1）有穷性。算法在执行有限步后必须终止。（2）确定性。算法的每一个步骤必须有确切的定义。（3）输入。一个算法有0个或多个输入，作为算法开始执行前的初始值，或初始状态。（4）输出。一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的。（5）可行性。在有限时间内完成计算过程。算法设计的整个过程，可以包含对问题需求的说明、数学模型的拟制、算法的详细设计、算法的正确性验证、算法的实现、算法分析、程序测试和文档资料的编制。算法可大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法和并行算法。经典的算法主要有：1、穷举搜索法穷举搜索法是对可能是解的众多候选解按某种顺序进行逐一枚举和检验，bing从中找出那些符合要求的候选解作为问题的解。穷举算法特点是算法简单，但运行时所花费的时间量大。有些问题所列举书来的情况数目会大得惊人，就是用高速计算机运行，其等待运行结果的时间也将使人无法忍受。我们在用穷举算法解决问题是，应尽可能将明显不符合条件的情况排除在外，以尽快取得问题的解。2、迭代算法迭代法是数值分析中通过从一个初始估计出发寻找一系列近似解来解决问题(一般是解方程或方程组)的过程，为实现这一过程所使用的方法统称为迭代法。迭代法是用于求方程或方程组近似根的一种常用的算法设计方法。设方程为f(x)=0,用某种数学方法导出等价的形式x=g(x),然后按以下步骤执行：选一个方程的近似根，赋给变量x0。将x0的值保存于变量x1，然后计算g(x1),并将结果存于变量x0。（3）当x0与x1的差的绝对值还小于指定的精度要求时，重复步骤（2）的计算。若方程有根，并且用上述方法计算出来的近似根序列收敛，则按上述方法求得的x0就认为是方程的根。3、递推算法递推算法是利用问题本身所具有的一种递推关系求问题解的一种方法。它把问题分成若干步，找出相邻几步的关系，从而达到目的。4、递归算法递归算法是一种直接或间接的调用自身的算法。能采用递归描述的算法通常有这样的特征：为求解规模为n的问题，设法将它分解成规模较小的问题，然后从这些小问题的解方便地构造出大问题的解，并且这些规模较小的问题也能采用同样的分解和综合方法，分解成规模更小的问题，并从这些更小问题的解构造出规模较大问题的解。特别的，当规模n=0或1时，能直接得解。递归算法解决问题的特点有：（1）递归就是在过程或函数里调用自身（2）在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口递归算法解题通常显得很简洁，但递归算法解题的运行效率较低在递归调用的过程中系统为每一层的返回点、局部变量等开辟堆栈来存储。举例如下：fibonacci数列intfib[50];//采用数组保存中间结果voidfibonacci(intn){fib[0]=1;fib[1]=1;for(inti=2;i5、分治算法分治算法是把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题，直到最后子问题可以简单地直接求解，原问题的解即子问题解的合并。如果原问题可分割成k个子问题，且这些子问题都可解，并可利用这些子问题的解求出原问题的解，那么这种分治法就是可行的。由分治法产生的子问题往往是原问题的较小模式，这就为使用递归技术提供了方便。在这种情况下，反复应用分治手段，可以使子问题与原问题类型一致而其规模却不断缩小，最终使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。分治与递归像一对挛生兄弟，经常同时应用在算法设计之中，并由此产生许多高效算法。分治策略的算法设计模式divide_and_conquer(p){if(|p|V=n0)returnadhoc(p)；dividepintosmallersubstancespl,p2，，pk；for(i=1;iV=k;k++)yi=divide-and-conquer(pi)//递归解决pireturnmerge(yl，y2，，yk)//合并子问题}6、贪心算法贪心算法也称贪婪算法。它在对问题求解时，总是做出在当前看来是最好的选择。它不从整体最优上考虑，所得出的仅是在某种意义上的局部最优解。贪心算法的基本思路如下：篇二：算法设计与分析课程的心得体会《算法设计与分析》课程的心得体会以最少的成本、最快的速度、最好的质量开发出合适各种各样应用需求的软件，必须遵循软件工程的原则，设计出高效率的程序。一个高效的程序不仅需要编程技巧，更需要合理的数据组织和清晰高效的算法。这正是计算机科学领域里数据结构与算法设计所研究的主要内容。一些著名的计算机科学家认为，算法是一种创造性思维活动，并且处于计算机科学与技术学科的核心。在计算机软件专业中算法分析与设计是一门非常重要的课程，很多人为它如痴如醉。很多问题的解决，程序的编写都要依赖它，在软件还是面向过程的阶段，就有程序=算法+数据结构这个公式。算法的学习对于培养一个人的逻辑思维能力是有极大帮助的，它可以培养我们养成思考分析问题，解决问题的能力。如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。因此，学习算法无疑会增强自己的竞争力，提高自己的修为，为自己增彩。那么，什么是算法呢？算法是指解决问题的方法或过程。算法满足四个性质，即输入、输出、确定性和有限性。为了了解算法，这个学期马老师带我们走进了算法的世界。马老师这学期提出不少实际的问题，以及解决问题的算法。我在此只说比较记忆深刻的问题，即0-1背包的问题。0-1背包问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。首先，0-1背包问题具有最优子结构性质和子问题重叠性质，适于采用动态规划方法求解。动态规划算法与分治法类似，其基本思想是将待求解问题分解成若干个子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，用动态规划法求解的问题，经分解得到的子问题往往不是互相独立的，若用分治法解这类问题，则分解得到的子问题数目太多，以至于最后解决原问题需要耗费过多的时间。动态规划法又和贪婪算法有些一样，在动态规划中，可将一个问题的解决方案视为一系列决策的结果。不同的是，在贪婪算法中，每采用一次贪婪准则便做出一个不可撤回的决策，而在动态规划中，还要考察每个最优决策序列中是否包含一个最优子序列。用动态规划法解决问题的思路如下：最优决策序列由最优决策子序列组成。假设f(i,y)表示剩余容量为y，剩余物品为i,i+1,,n时的最优解的值，即：f(n,y)=Pn,ifyNWnf(n,y)=0,if0WyWWn和f(i,y)=max(f(i+1,y),f(i+1,y-Wi)+Pi)yNWif(i,y)=f(i+1,y)0WyWWi这个方程非常重要，基本上所有跟背包相关的问题的方程都是由它衍生出来的，所以有必要将它详细解释一下：“将前i件物品放入容量为y的背包中”这个子问题，若只考虑第i件物品的策略(放或不放)，那么就可以转化为一个只牵扯前i-1件物品的问题。如果不放第i件物品，那么问题就转化为“前i-1件物品放入容量为y的背包中”，价值为f[i-1][y]；如果放第i件物品，那么问题就转化为“前i-1件物品放入剩下的容量为y-Wi的背包中”，此时能获得的最大价值就是f[i-1][y-Wi]再加上通过放入第1件物品获得的价值Pi。用贪心算法解决问题的基本思路如下：由所有解元素组合成问题的一个可行解；从问题的某一个初始解出发逐步逼近给定的目标，以尽可能快的地求得更好的解。当达到某算法中的某一步不能再继续前进时，算法停止。实现该算法的过程：从问题的某一初始解出发；while能朝给定总目标前进一步do求出可行解的一个解元素；该算法存在问题：首先不能保证求得的最后解是最佳的;其次不能用来求最大或最小解问题，并且只能求满足某些约束条件的可行解的范围。回溯法是一个既带有系统性又带有跳跃性的的搜索算法。所以0-1背包问题也可以用回溯法解决。其基本思路是可先将物品依其单位重量价值从大到小排序，此后只要顺序考察各物品即可，这是为了便于计算上界，。在实现时，由bound计算当前结点处的上界。在搜索解空间树时，只要其左儿子节点是一个可行结点，搜索就进入左子树，在右子树中有可能包含最优解是才进入右子树搜索。否则将右子树剪去。当然0-1背包问题还有许多的解决方案，此处就不一一列出。不过通过0-1背包问题，我深刻体会到算法的魅力，体会到同一个问题用不同的方法解决的妙处。学无止境，《算法设计与分析》仅仅是我学习算法知识入门课，我不会停下脚步，在此之后我依然会努力学习算法知识。篇三：算法设计与分析学习心得算法设计与分析学习心得班级：物联1201姓名：刘潇学号：29一、实验内容：这学期的算法与设计课，老师布置了这四个问题，分别是货郎担问题，动态生成二维数组，对话框下拉列表，排序问题。二、学习掌握：基本程序描述：（1）货郎担问题：货郎担问题属于易于描述但难于解决的著名难题之一，至今世界上还有不少人在研究它。货郎担问题要从图g的所有周游路线中求取具有最小成本的周游路线，而由始点出发的周游路线一共有（n—1）！条，即等于除始结点外的n一1个结点的排列数，因此货郎担问题是一个排列问题。货郎担的程序实现了利用穷举法解决货郎担问题，可以在城市个数和各地费用给定的情况下利用穷举法逐一计算出每一条路线的费用，并从中选出费用最小的路线。从而求出问题的解（2）费用矩阵：费用矩阵的主要内容是动态生成二维数组。首先由键盘输入自然数，费用矩阵的元素由随机数产生，并取整，把生成的矩阵存放在二维数组中，最后把矩阵内容输出到文件和屏幕上。它采用分支界限法，分支限界法的基本思想是对包含具有约束条件的最优化问题的所有可行解的解（数目有限）空间进行搜索。该算法在具体执行时，把全部可行的解空间不断分割为越来越小的子集，并为每个子集内的解计算一个下界或上界。动态生成二维n*n的数组程序利用指针表示数组的行和列，并逐一分配空间，在输入n的数值后，系统自动分配空间，生成n*n的数组，并产生随机数填充数组，最后将结果输入到指定文件中。Mfc:在下拉列表框中添加内容程序，在下拉列表对应的函数中利用addstring添加需要的内容。首先定义下拉列表框为ccombox型，并定义其属性名，利用addstring函数可以任意添加需要的内容。a排序问题:快速排序的运行时间与划分是否对称有关，其最坏情况发生在划分过程中产生的两个区域分别包含n-1个元素和1个元素的时候。其算法的时间复杂度为O(n2),在最好的情况下每次划分的基准恰好为中值，可得其算法时间复杂度为O(nlogn)。算法的实现和理解和代码实现完全是两回事，想要完全掌握一种算法，需要动手实践，用代码实现，才能理解透彻，真正掌握。b对话框下拉列表：这个项目简单易懂，轻松实现。疑问与总结：货郎担的问题，我认为穷举法相对比而言是比较初级的方法，费时耗力，适合在练习时选用，但是在实际问题中不建议采用。克鲁斯卡尔或者普里姆算法求取最小生成树的方法来解决货郎担的问题是更适合现实解决问题的。我认为程序可以用switch函数来将函数分成几个部分更人性化，比如分为解决问题的的选项，输出结果选项，退出程序选项等。再有就是费用矩阵的值可以从文件中读取，而结果也可以直接放在指定文件中，这样在实际应用中比较广泛。动态生成二维数组的程序我认为如果按照规范性，我的方法是中规中矩的，毕竟再向下延伸，生成三维的数组，需要三层的指针来实现。但是就程序的简化程度和计算机处理时间来说，我认为这样双层指针的算法有些太占用内存，毕竟要给行和列各分配n个空间。我通过与同学的交流，我发现可以用1位数组来实现二维的n*n的数组。首先分配n*n的空间，然后通过循环在一行的数据达到n时自动换行。这样程序得到了一定的简化，并且减少了一定的内存使用。我认为这种方法是比较贴合实际的。四・心得体会在计算机软件专业中，算法分析与设计是一门非常重要的课程，很多人为它如痴如醉。很多问题的解决，程序的编写都要依赖它，在软件还是面向过程的阶段，就有程序=算法+数据结构这个公式。算法的学习对于培养一个人的逻辑思维能力是有极大帮助的，它可以培养我们养成思考分析问题，解决问题的能力。如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。因此，学习算法无疑会增强自己的竞争力，提高自己的修为，为自己增彩。篇四：数据结构与算法课程设计心得体会学习体会(33)课程设计心得体会姓名：曾辉学号;01班级：08计本(2)课程设计是计算机科学与技术专业学生的集中实践性环节之一，是学习“数据结构与算法”理论和实验课程后进行的一次全面的综合练习。其目的是要达到理论与实际应用相结合，使学生能够根据问题要求和数据对象的特性，学会数据组织的方法，把现实世界中的实际问题在计算机内部表示出来并用软件解决问题，培养良好的程序设计技能。在这次课程设计当中，我了解到了我的不足，如算法的不完善、不细心和耐心不是很好等等。不细心的我在调试程序时，老是因为某个书写错误导致错误；对这些错误，我不得不花大量的时间去更正，并且还要重复检查是否出现雷同的错误而导致程序不能运行。但是通过这次课程设计，我的这些缺点有些改善。我在写新的程序时，首先要考虑的深入一点、仔细一点，这样要修改程序的时间就会少很多。并且也不会因为自己不细心而导致的浪费时间的情况出现。在进行程序设计时，要注意想好思路。即要有恰当模块名、变量名、常量名、子程序名等。将每个功能的模块，即函数名要清晰的表述出来，使用户能够一目了然此程序的功能。当然适当的给写注释，也是方便用户的理解。还有在编写程序时要注意对程序的适当分配，便于用户看懂程序，也便于自己检查城市。但是完成任何一个较大的程序，都需要掌握一定的编程基础，需要不断的探索和求知过程，这样对自己编程能力的提高有较大的帮助。当然，任何程序必须经过计算机的调试，看是否调试成功，发现错误，一个个，一步步去解决，这样就能从错误中进步。通过课程设计加强了我的动手能力，以及提升了局部和统一考虑问题的思维方式。回顾起此次课程设计，至今我仍感慨颇多，的确，从从拿到题目到完成整个编程，从理论到实践，在整整半个月的日子里，可以学到很多很多的的东西，同时不仅可以巩固了以前所学过的知识，而且学到了很多在书本上所没有学到过的知识。通过这次课程设计使我懂得了理论与实际相结合是很重要的，只有理论知识是远远不够的，只有把所学的理论知识与实践相结合起来，从理论中得出结论，才能真正为社会服务，从而提高自己的实际动手能力和独立思考的能力。在设计的过程中遇到问题，可以说得是困难重重，这毕竟第一次做的，难免会遇到过各种各样的问题，同时在设计的过程中发现了自己的不足之处，对以前所学过的知识理解得不够深刻，掌握得不够牢固，比如说结构体通过这次课程设计之后，一定把以前所学过的知识重新温故。通过这次的课程设计，我学到了怎么样从一个实际问题出发，建立模型，找到相应的存储结构和实现方法，实际运行，反复调试和修改，最终实现功能。在程序设计方法以及上机操作等基本技能和科学作风方面受到比较系统和严格的训练，学会数据组织的方法，把现实世界中的实际问题在计算机内部表示出来并用软件解决问题，培养了良好的程序设计技能。在这次课程设计中，得到了好多同学的帮助以及老师的指导，在此要表达我真诚的谢意！篇五：数据结构与算法课程设计心得体会学习体会(24)课程设计的心得体会姓名：何云龙学号：02班级：08计科(2)班“数据结构与算法课程设计”是计算机科学与技术专业学生的集中实践性环节之一，是学习“数据结构与算法”理论和实验课程后进行的一次全面的综合练习。其目的是要达到理论与实际应用相结合，提高学生组织数据及编写程序的能力，使学生能够根据问题要求和数据对象的特性，学会数据组织的方法，把现实世界中的实际问题在计算机内部表示出来并用软件解决问题，培养良好的程序设计技能。当初拿到这次课程设计题目时，似乎无从下手，但是经过分析可知，对于简单文本编辑器来说功能有限，不外乎创作文本、显示文本、统计文本中字母一数字一空格一特殊字符一文本总字数、查找、删除及插入这几项功能。于是，我进行分模块进行编写程序。虽然每个模块程序并不大，但是每个模块都要经过一番思考才能搞清其算法思想，只要有了算法思想，再加上C程序语言基础，基本完成功能，但是，每个模块不可能一次完成而没有一点错误，所以，我给自己定了一个初级目标：用C语言大体描述每个算法，然后经调试后改掉其中明显的错误，并且根据调试结果改正一些算法错误，当然，这一目标实现较难。最后，经过反复思考，看一下程序是否很完善，如果能够达到更完善当然最好。并非我们最初想到的算法就是最好的算法，所以，有事我们会而不得不在编写途中终止换用其他算法，但是，我认为这不是浪费时间，而是一种认识过程，在编写程序中遇到的问题会为我们以后编写程序积累经验，避免再犯同样的错误。但是，有的方法不适用于这个程序，或许会适用于另外一个程序。所以，探索的过程是成长的过程，是为成功做的铺垫。经过努力后获得成功，会更有成就感。在课程设计过程中通过独立解决问题，首先分析设计题目中涉及到的数据类型，在我们学习的数据存储结构中不外乎线性存储结构及非线性存储结构，非线性存储结构中有树型，集合型，图型等存储结构，根据数据类型设计数据结点类型。然后根据设计题目的主要任务，设计出程序大体轮廓（包括子函数和主函数），然后对每个子函数进行大体设计，文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.过程中错误在所难免，所以要经过仔细探索，对每个函数进行改进。程序基本完成后，功能虽然齐全，但是程序是否完善（例如，输入数据时是否在其范围之内，所以加入判断语句是很有必要的）还需运行测试多次，如有发现应该对其进行改善，当然要在力所能及的前提下。课程设计过程虽然短暂，但是使我深刻理解数据结构和算法课程对编程的重要作用，还有“数据结构与算法”还提供了一些常用的基本算法思想及算法的编写程序。通过独立完成设计题目，使我系统了解编程的基本步骤，提高分析和解决实际问题的能力。通过实践积累经验，才能有所创新。正所谓，良好的基础决定上层建筑。只有基本功做好了，才有可能做出更好的成果。篇六：计算智能学习心得体会计算智能学习心得体会本学期我们水利水电专业开了“计算智能概论”这门课，有我们学院的金菊良教授给我们授课，据说这门课相当难理解，我们课下做了充分的准备，借了计算智能和人工智能相关方面的书籍，并提前了解了一点相关知识，我感觉看着有点先进，给我们以往学的课程有很大区别，是一种全新的概念和理论，里面的遗传算法、模糊集理论、神经络更是闻所未闻，由于课前读了一些书籍，我以为课堂上应该能容文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.易理解一点，想不到课堂上听着还是相当玄奥，遗传算法还好一点，因为高中学过生物遗传，遗传算法还能理解一点。像模糊集理论神经络便不知所云了。虽然金老师讲课生动形象，幽默风趣，而且举了好多实际的例子，但有一些理论有点偏难。计算智能(ComputationalInterlligence，简称CI)并不是一个新的术语，早在1988年加拿大的一种刊物便以CI为名。1992年，美国学者在论文《计算智能》中讨论了神经络、模式识别与智能之间的关系，并将留能分为生物智能、人工智能和计算智能三个层次。1993年，BobMarks写了一篇关于计算留能和人工留能区别的文章，并在文中给出了对CI的理解。1994年的国际计算智能会议(WCCL)的命名就部分地源于Bob的文章，这次IEEE会议特国际神经络学会(NNC)发起的神经络(ICNN)、模糊系统(FuZZ)和进化计算(ICEc)三个年度性会议合为一体，并出版了名为《计算智能》的论文集。此后，CI这个术语就开始被频繁地使用，同时也出现了许多关于CI的解释。1992年，JamesC.Bezdek提出，CI是依靠生产者提供的数字、数据材料进行加工处理，而不是依赖于知识；而AIglJ必须用知识进行处理.1994年，James在F1orida，Orlando，IEEEWCCI会议上再次阐述他的观点，即智能有三个层次：（1）生物智能（BiologicalIntelligence，简称BI），是由人脑的物理化学过程反映出来的，人脑是有机物，它是智能的基础。（2）人工智能（ArtificialIntelligence，简称AI），是非生物的，人造的，常用符号来表示，AI的来源是人类知识的精华。（3）计算智能（ComputerIntellienceence，简称CI），是由数学方法和计算机实现的，CI的来源是数值计算的传感器。虽然有好多计算智能理论还不太清楚，但是我对新知识还是相当渴望的，因为我本身比较爱学习，且喜欢读书。我感觉学到了许多知识：计算智能是一门经验科学，它研究自然的或人工的智能行为形成之原理以“推理即计算”为基本假设，开发某种理论、说明某项智能可以算法化，从而可以用机器模拟和实现；寻求和接受自然智能之启迪，但不企图完全仿制人类智能，其中心工程目标是研究设计和建立智能计算系统的方法。由于我们只有16课时，所以我们学的面并不广，金老师主要教了一些计算智能方面的经典理论，我们所学的计算智能所涉及的领域主要包括以下三方面：遗传算法、人工神经络方法和模糊集理论。遗传算法最早由美国Michigan大学JohnH.Holland教授提出，按照生物进化过程中的自然选择（selection）、父代杂交（crossover）和子代变异（mutation）的自然进化（naturalevolution）方式，编制的计算机程序，能够解决许多复杂的优化问题，这类新的优化方法称之为遗传算法（geneticalgorithm，GA）［7］。GA模拟生物进化过程中的主要特征有:（1）生物个体的染色体（chromosomes）的结构特征，即基因码序列（seriesofgeneticcode）决定了该个体对其生存环境的适应能力。（2）自然选择在生物群体（population）进化过程中起着主导作用，它决定了群体中那些适应能力（adaptability）强的个体能够生存下来并传宗接代，体现了“优胜劣汰”的进化规律。（3）个体繁殖（杂交）是通过父代个体间交换基因材料来实现的，生成的子代个体的染色体特征可能与父代的相似，也可能与父代的有显著差异，从而有可能改变个体适应环境的能力。（4）变异使子代个体的染色体有别于其父代个体的染色体，从而也改变了子代个体对其环境的适应能力。（5）生物的进化过程，从微观上看是生物个体的染色体特征不断改善的过程，从宏观上看则是生物个体的适应能力不断提高的过程。作为利用自然选择和群体遗传机制进行高维非线性空间寻优的一类通用方法，遗传算法（GA）不一定能寻得最优（optimal）点，但是它可以找到更优（superior）点，这种思路与人类行为中成功的标志是相似的。例如不必要求某文档来源为:从网络收集整理.word版本可编辑.欢迎下载支持.个围棋高手是最优的，要战胜对手只需他(她)比其对手更强即可。因此，GA可能会暂时停留在某些非最优点上，直到变异发生使它迁移到另一更优点上。遗传算法随编码方式、遗传操作算子的不同而表现为不同形式，因此难以象传统的共轭梯度法那样从形式上给以明确定义，它的识别标志在于它是否具有模拟生物的自然选择和群体遗传机理这一内在特征。目前国内外普遍应用的实施方案是标准遗传算法(SimpleGeneticAlgorithm，SGA)OBP神经络BP神经络是用反向传播学习算法(back-propagationalgorithm,BP算法)训练的一种多层前馈型非线性映射络，络中各神经元接受前一级的输入，并输出到下一级，络中没有反馈联接。BP神经络通常可以分为不同的层(级)，第j层的输入仅与第j-1层的输出联接。由于输入层节点和输出层节点可与外界相连，直接接受环境的影响，所以称为可见层，而其它中间层则称为隐层(hiddenlayer)o决定一个BP神经络性质的要素有三个：络结构、神经元作用函数和学习算法，对这三个要素的研究构成了丰富多彩的内容，尤其是后者被研究得最多。BP算法是目前应用最为广泛且较成功的一种算法，它解决了多层前馈络的学习问题，从而使该络在各方面获得了广泛应用。它利用梯度搜索技术(gradientsearchtechnique)使代价函数(costfunction)最小化。BP算法把一组样本的输入输出问题归纳为一非线性优化问题，它使用了最优化方法中最常用的负梯度下降算法。用迭代运算求解络权重和阈值对应于络的学习记忆过程，加入隐层节点使得优化问题的可调参数增加，从而可得到更精确的解。模糊集理论模糊集理论（又称模糊数学，fuzzymathematics）就是应用模糊集这一模拟人脑模糊思维的数学工具，来描述、分析、识别、分类、判断、推理、决策和控制各种模糊事物所形成的一门现代应用数学分支学科。经典数学仅考虑现实世界的数量而抛弃现实世界的质量，而模糊集理论则反映了现实世界数量与质量的统一性，是对经典数学的一种补充和完善。定义模糊集、模糊关系的不同运算（目前主要是代数运算），就可得到相应的不同模糊数学方法。目前已研究成熟并广为应用的模糊数学方法主要有模糊模式识别、模糊聚类分析、模糊综合评价、模糊推理、模糊控制等方法。在现代科学技术体系中定性因素和主观因素定量化处理的方法至今仍很少，而模糊数学方法正是其中的典型代表，目前已在各科学和工程领域得到了广泛的成功应用，其主要原因在于它异于其它方法的一些显著特点：（1）模糊集的引入改善了二值逻辑中硬性的分类方法，是普通集合的推广，使模糊数学方法更加接近于广泛存在模糊性和不精确性的现实世界，也更加接近于人类思维方式。这些真实性使得模糊数学方法能很好地平衡系统的复杂性与描述系统的精确性，也有助于模糊数学方法充分提取各种专家经验信息和其它人类语言信息。（2）当系统为多输入多输出、强非线性、定性信息与定量信息混杂的动态系统时，系统的数学模型非常复杂或根本就不存在确定性数学模型，常规方法难以或不能有效处理这样的复杂系统，而模糊数学方法可以用建立在语言型经验之上的模糊集及其运算就可以简便有效地处理，有时甚至不需要辅以确定的数学模型。（3）模糊数学方法可以直接利用人类语言型概念及其运算，篇七：计算方法课程总结心得体会计算方法课程总结心得体会一、课程简介：本课程是信息与计算科学、数学与应用数学本科专业必修的一门专业基础课.我们需在掌握数学分析、高等代数和常微分方程的基础知识之上，学习本课程.在实际中，数学与科学技术一向有着密切关系并相互影响，科学技术各领域的问题通过建立数学模型与数学产生密切的联系，并以各种形式应用于科学和工程领域・而所建立的这些数学模型，在许多情况下，要获得精确解是十分困难的，甚至是不可能的，这就使得研究各种数学问题的近似解变得非常重要了，“数值计算方法”就是专门研究各种数学问题的近似解的一门课程.通过这门课程的教学，使学生掌握用数值分析方法解决实际问题的算法原理及理论分析，提高我们应用数学知识解决实际问题的能力.二、本课程主要内容包括：误差分析，插值法与拟合，数值积分，数值微分，线性方程组的直接解法和迭代解法，非线性方程求根，矩阵特征值问题计算、常微分方程初值问题数值解法.三、本课程重点难点：1、2、3、4、绝对误差限、相对误差限、有效数字基函数、拉格朗日插值多项式、差商、牛顿插值多项式、截断误差曲线拟合的最小二乘法（最小二乘法则、法方程组）插值型数值积分（公式、积分系数）a）N-C求积公式（梯形公式、Simpson公式、Cotes公式-系数、代数精度、截断误差）b）复合N-C公式（复合梯形公式、复合Simpson公式、收敛阶、截断误差）c）龙贝格算法的计算公式5、非线性方程求根的迭代法收敛性定理牛顿切线法、下山法、正割法（迭代公式、收敛阶）6、高斯消去法、列主元素高斯消去法、LU分解法解线性方程组Jacobi迭代法、S-R迭代法（迭代公式、迭代矩阵、收敛的充要条件、充分条件）矩阵的范数、谱半径、条件数、病态方程组7、欧拉方法（欧拉公式、向后欧拉公式、改进的欧拉公式）四、实际应用我们本学期的计算方法这门学科中，主要介绍了两种数值计算方法即：数值逼近与数值代数。前面几章讲的关于插值和拟合是属于数值逼近，而后面几章则介绍了非线性方程、解线性方程组、以及最后一章的常微分方程则属于数值代数的部分。不管是哪一种方法在实际生活中的应用都是很广泛的，下面就以最小二乘拟合方法为例说明其在实际的应用。曲线拟合就是拟合测量数据曲线。所选择的曲线有时通过数据点，但在其他点上，曲线接近它们而不必通过它们13,41-在大多数情况下，选择曲线使得数据点的平方误差和最小。这种选择就是最小二乘曲线拟合。下面介绍一下最小二乘法拟合的基本原理。设已知个数据点）（i=0，1，，一1），求（m—1）次最小二乘拟合多项式：其中设拟合多项式为各正交多项式：的线性组合：则继续往向下推导得：继续推导最后可得最后可得一般形式的m一1次多项式:即为最小二乘拟合多项式其拟合精度由下式来评定：应用实例：某建筑物176d水平位移测量数据如下表所示，在程序编制过程中，为了防止运算溢出，用来代替，其中，O此时，拟合多项式的形式为：运用最小二乘多项式拟合时，拟合多项式的次数越高，其拟合精度未必越高。以拟合最高次数19次为例，拟合系数如表2，拟合的精度评定见表3。根据水平位移的观测数据，实现了累计观测时间与水平位移的曲线拟合，在有限的测量数据条件下，表述了时间与该建筑物水平位移之间的函数关系。曲线拟合的最小二乘法在解决这类问题的数据处理和误差分析中应用非常广泛，提高了数据处理的效率和精确度，最d〃-乘曲线拟合实现方法简明、适用，可应用于类似的测量数据处理和实验研究。五：总结其实一直以来感觉自己都的数学方面还是比较感兴趣的，但是从大二上学期上完概率和线性代数后自己也就很少去碰数学方面的书了，直到这个学期上的这门计算方法让我重新又找回了学习数学的感觉。经过这一个学期的学习，总体感觉还行，基本上都能领悟。个别的知识点可能比较抽象，但是好多的算法我们都经过了上机实践了，所以掌握起来会更透彻一点。学习了这门课，感觉实用性比较大。像拉格朗日和牛顿插值法，最小二乘拟合法等等算法。因为在我们现实生活中我们需要通过已有的数据来发掘事物本身的内在规律，或者模拟出相应的数学模型来解决。所以这就需要我们用到这学期学习的相关知识来完成。这门课程也是连接数学与计算机之间的桥梁，之前学习的数学积分的知识现在也知道怎么用程序来实现了。还有就是对线性方程组和非线性方程组的求解方法的掌握。插值的应用自己还想说的就是，自己准备和同学一起做关于图像处理的方面的东西，不过我只是个新手。但上次在看有关图像的放大和缩小技术的时候就看到了有关牛顿插值的应用。不过他们学的算法都是在牛顿插值的基础上有所变化的。所以当时我就觉得这门课程作用不一般。学完了这门课也希望自己活学活用。发挥这门课应有的作用。篇八：算法设计与分析学习总结算法分析与设计学习总结题目：算法分析与设计学习总结学院信息科学与工程学院专业届次学生姓名学号二。一三年一月十五日算法分析与设计学习总结本学期通过学习算法分析与设计课程，了解到：算法是一系列解决问题的清晰指令，代表着用系统的方法描述解决问题的策略机制。算法能够对一定规范的输入，在有限时间内获得所要求的输出。如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。算法设计与分析是计算机科学与技术的一个核心问题。设计的算法要具有以下的特征才能有效的完成设计要求，算法的特征有：（1）有穷性。算法在执行有限步后必须终止。（2）确定性。算法的每一个步骤必须有确切的定义。（3）输入。一个算法有0个或多个输入，作为算法开始执行前的初始值，或初始状态。（4）输出。一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的。（5）可行性。在有限时间内完成计算过程。算法设计的整个过程，可以包含对问题需求的说明、数学模型的拟制、算法的详细设计、算法的正确性验证、算法的实现、算法分析、程序测试和文档资料的编制。算法可大致分为基本算法、数据结构的算法、数论与代数算法、计算几何的算法、图论的算法、动态规划以及数值分析、加密算法、排序算法、检索算法和并行算法。经典的算法主要有：1、穷举搜索法穷举搜索法是对可能是解的众多候选解按某种顺序进行逐一枚举和检验，bing从中找出那些符合要求的候选解作为问题的解。穷举算法特点是算法简单，但运行时所花费的时间量大。有些问题所列举书来的情况数目会大得惊人，就是用高速计算机运行，其等待运行结果的时间也将使人无法忍受。我们在用穷举算法解决问题是，应尽可能将明显不符合条件的情况排除在外，以尽快取得问题的解。2、迭代算法迭代法是数值分析中通过从一个初始估计出发寻找一系列近似解来解决问题(一般是解方程或方程组)的过程，为实现这一过程所使用的方法统称为迭代法。迭代法是用于求方程或方程组近似根的一种常用的算法设计方法。设方程为f(x)=0,用某种数学方法导出等价的形式x=g(x),然后按以下步骤执行：选一个方程的近似根，赋给变量x0。将x0的值保存于变量x1，然后计算g(x1),并将结果存于变量x0。当x0与x1的差的绝对值还小于指定的精度要求时，重复步骤(2)的计算。若方程有根，并且用上述方法计算出来的近似根序列收敛，则按上述方法求得的x0就认为是方程的根。3、递推算法递推算法是利用问题本身所具有的一种递推关系求问题解的一种方法。它把问题分成若干步，找出相邻几步的关系，从而达到目的。4、递归算法递归算法是一种直接或间接的调用自身的算法。能采用递归描述的算法通常有这样的特征：为求解规模为n的问题，设法将它分解成规模较小的问题，然后从这些小问题的解方便地构造出大问题的解，并且这些规模较小的问题也能采用同样的分解和综合方法，分解成规模更小的问题，并从这些更小问题的解构造出规模较大问题的解。特别的，当规模n=0或1时，能直接得解。递归算法解决问题的特点有：（1）递归就是在过程或函数里调用自身（2）在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口（3）递归算法解题通常显得很简洁，但递归算法解题的运行效率较低（4）在递归调用的过程中系统为每一层的返回点、局部变量等开辟堆栈来存储。举例如下：Fibonacci数列intfib[50];//采用数组保存中间结果voidfibonacci（intn）{fib[0]=1;fib[1]=1;for（inti=2;ifib[i]=fib[i-1]+fib[i-2];}5、分治算法分治算法是把一个复杂的问题分成两个或更多的相同或相似的子问题，再把子问题分成更小的子问题，直到最后子问题可以简单地直接求解，原问题的解即子问题解的合并。如果原问题可分割成k个子问题，且这些子问题都可解，并可利用这些子问题的解求出原问题的解，那么这种分治法就是可行的。由分治法产生的子问题往往是原问题的较小模式，这就为使用递归技术提供了方便。在这种情况下，反复应用分治手段，可以使子问题与原问题类型一致而其规模却不断缩小，最终使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。分治与递归像一对挛生兄弟，经常同时应用在算法设计之中，并由此产生许多高效算法。分治策略的算法设计模式Divide_and_Conquer(P){if(|P|V=n0)returnadhoc(P)；dividePintosmallersubstancesP1P2，・・・，Pk；for(i=1;iV=k;k++)yi=Divide-and-Conquer(Pi)//递归解决PiReturnmerge(y1，y2，…，yk)//合并子问题}6、贪心算法贪心算法也称贪婪算法。它在对问题求解时，总是做出在当前看来是最好的选择。它不从整体最优上考虑，所得出的仅是在某种意义上的局部最优解。贪心算法的基本思路如下：建立数学模型来描述问题把求解的问题分成若干个子问题对每一子问题求解，得到子问题的局部最优解把子问题的局部最优解合成原来问题的一个解贪心算法的一般流程：Greedy(A){S={};//初始解集合为空集while(notsolution(S))//集合S没有构成问题的一个解{x=select(A);//在候选集合A中做贪心选择iffeasible(S,x)//判断集合S中加入x后的解是否可行S=S+{x};A=A-{x};returnS;}候选集合A：问题的最终解均取自于候选集合A。解集合S：解集合S不断扩展，直到构成满足问题的完整解。解决函数solution:检查解集合S是否构成问题的完整解。选择函数select：贪心策略，这是贪心算法的关键。可行函数feasible:解集合扩展后是否满足约束条件。7、动态规划算法动态规划算法是一种在数学和计算机科学中用于求解包含重叠子问题的最优化问题的方法。其基本思想是，将原问题分解为相似的子问题，在求解的过程中通过子问题的解求出原问题的解。动态规划算法的步骤找出最优解的性质，并刻画其结构特征；递归地定义最优值(写出动态规划方程)；以自底向上的方式计算出最优值；根据算法最优值时得到的信息，构造一个最优值。动态规划算法的有效性依赖于问题本身所具有的两个重要的性质：最优子结构性质和子问题重叠性质。最优子结构：当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。8、回溯算法回溯法是一种选优搜索法，按选优条件向前搜索