算法设计与分析实验报告python实现(串匹配问题、采用分治法求解最大连续子序列和问题、用分治策略求众数问题、最近点对问题)

一、 实验目的

1.加深学生对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、实验任务

1、串匹配问题
给定一段文本,在该文本中查找并定位任意给定字符串。
要求:
(1)实现BF算法;
(2) 实现BF算法的改进算法:KMP算法
2、采用分治法求解最大连续子序列和问题
给定一个有n(n≥1)个整数的序列,要求求出其中最大连续子序列的和。
例如: 序列(-2,11,-4,13,-5,-2)的最大子序列和为20序列(-6,2,4,-7,5,3,2,-1,6,-9,10,-2)的最大子序列和为16。
3、用分治策略求众数问题
问题描述:给定含有n个元素的多重集合S,每个元素在S中出现的次数称为该元素的重数。多重集S中重数最大的元素称为众数。要求对给定的又n个自然数的组成的多重集S,计算S的众数及其重数。
4、最近点对问题
设p1=(x1, y1), p2=(x2, y2), …, pn=(xn, yn)是平面上n个点构成的集合S,设计算法找出集合S中距离最近的点对。
(1)分别用蛮力法和分治法求解最近对问题;
(2)分析算法的时间性能,设计实验程序验证分析结论。

三、实验设备及编程开发工具

实验设备:Win10电脑
开发工具:Python 3.7,Pycharm

四、实验过程设计(算法思路及描述,代码设计)

1、串匹配问题

给定一段文本,在该文本中查找并定位任意给定字符串。
要求:
(1)实现BF算法;
(2)实现BF算法的改进算法:KMP算法

(1)解题思路:
BF算法就是暴力求解,用所求字符串s2与主串s1做匹配,当不匹配时,从本次主串循环的下一个字符开始重新匹配。

代码:

def BF_algorithm(s1,s2): n1 = len(s1) n2 = len(s2)i,j = 0,0while i < n1 and j < n2:if (s1[i] == s2[j]):i += 1j += 1else:i = i - j + 1j = 0if j >= n2:return i - n2else:return -1

(2)解题思路:

KMP算法需要一个next数组,next数组的含义就是一个固定字符串的最长前缀和最长后缀相同的长度。当匹配失败时,数组下标会移动到最长前缀的后一个位置,从而减少了重复匹配。

代码:

def get_next(p):i, k, m = 0, -1, len(p)p_next = [-1] * mwhile i < m-1:if k == -1 or p[i] == p[k]:i, k = i+1, k+1if p[i] == p[k]:p_next[i] = p_next[k]else:p_next[i] = kelse:k = p_next[k]return p_nextdef KMP_algorithm(t,p):j, i = 0, 0n, m = len(t), len(p)p_next = get_next(p)while j < n and i < m:if i == -1 or t[j] == p[i]:j, i = j+1, i+1else:i = p_next[i]if i == m:return j-ireturn -1# 测试
t = "abbcabcaabbcaa"  # 目标串
p = "abbcaa"  # 模式串
print(KMP_algorithm(t, p))

2、采用分治法求解最大连续子序列和问题

给定一个有n(n≥1)个整数的序列,要求求出其中最大连续子序列的和。
例如: 序列(-2,11,-4,13,-5,-2)的最大子序列和为20序列(-6,2,4,-7,5,3,2,-1,6,-9,10,-2)的最大子序列和为16。

解题思路:
分治法求最大连续子序列问题,可以先从序列的中间分开,分别求左序列和右序列的最大连续子序列,但是还需要考虑如果最大连续子序列正好越过序列的划分线的情况。如果最大连续子序列刚好越过划分线,那么它必然是左边最大连续子序列和右边连续最大子序列的和。所以我们只需要比较左边最大连续子序列,右边最大连续子序列,左边最大连续子序列加上右边最大连续子序列的和,从这三者中取最大值就可以求出整个序列的最大连续子序列。

代码:

def Max_zixulie(nums):n = len(nums)if n == 1:return nums[0]else:max_left = Max_zixulie(nums[0:n//2])max_right = Max_zixulie(nums[n//2:n])temp,max_leftsum = 0,0for i in range(n//2 - 1,-1,-1):temp = temp + nums[i]max_leftsum = max(temp,max_leftsum)temp,max_rightsum = 0,0for i in range(n//2,n):temp = temp + nums[i]max_rightsum = max(temp,max_rightsum)return max(max_left,max_right,max_leftsum + max_rightsum)print(Max_zixulie([-2,11,-4,13,-5,-2]))

3、用分治策略求众数问题

问题描述:给定含有n个元素的多重集合S,每个元素在S中出现的次数称为该元素的重数。多重集S中重数最大的元素称为众数。要求对给定的又n个自然数的组成的多重集S,计算S的众数及其重数。

解题思路:
首先需要用分治策略解题,所以需要对元素进行排序,然后选取序列中间的元素,由它出发向前和向后寻找和它一样的元素,从而记录众数和重数。接下来从左侧和右侧分别继续递归比较,并在比较过程中判断是否大于已知的重数。在递归比较规程中,我们需要用众数比较剩下的左右剩余序列长度,如果众数大于等于左/右剩余序列长度,那么就不需要进行比较,直接输出就可以。

代码:

p, q = 0, 0
def ZhongShu(nums):n = len(nums)global p,qz_max,k_max,left,right = split(nums)if k_max > q:q = k_maxp = z_maxif left > q:ZhongShu(nums[0:left])if n - right > q:ZhongShu(nums[right:n])return p,qdef split(nums):n = len(nums)low, high = 0, n//2 + 1while low < n:if nums[low] == nums[n//2]:breakelse:low += 1while high < n:if nums[high] == nums[n//2]:high += 1else:breakz = nums[low]k = high - lowreturn z,k,low,highprint(ZhongShu([1,1,1,1,1,1,2,3,3,4,4,5,5,5,6,6,6,8,8,8,8,8,8,8]))

4、最近点对问题

设p1=(x1, y1), p2=(x2, y2), …, pn=(xn, yn)是平面上n个点构成的集合S,设计算法找出集合S中距离最近的点对。
(1)分别用蛮力法和分治法求解最近对问题;
(2) 分析算法的时间性能,设计实验程序验证分析结论。

(1)解题思路:
蛮力法直接用for循环遍历,对每两个点都做运算,并且比较记录最小值,最后输出最短距离和最近的点对。
分治方法在考虑了左、右两边各自的最近点对之后,还需要考虑是否会有最近的点对穿过了我们的划分线。这其实和寻找最长连续子序列有异曲同工之处,但是在考虑这个问题上,我们只需要从划分线向两侧分别延展已求的最近点对长度就可以,然后寻找在这个区域内的最近点对。

代码:(蛮力法)

def ManLi(nums):n = len(nums)x = float('inf')if n <= 1:return Falsefor i in range(1,n):j = 1while j <= i:y = pow((nums[i][0] - nums[i - j][0]) ** 2 + (nums[i][1] - nums[i - j][1]) ** 2,0.5)x = min(x,y)if x == y:l = []l.append(nums[i])l.append(nums[i - j])j += 1return x,l[0],l[1]print(ManLi([[0,4],[1,1],[1,5],[2,4],[3,2],[3,5],[4,0],[4,3],[5,2],[5,5]]))

代码:(分治法)

import sys
import mathdef distance(x, y):return math.sqrt((x[0] - y[0]) ** 2 + (x[1] - y[1])** 2)def FenZhi(points):n = len(points)if n < 2:return sys.maxsize, None, Noneelif n == 2:return distance(points[0], points[1]), points[0], points[1]points = sorted(points)half = (n - 1) // 2d1, a1, b1 = FenZhi(points[:half])d2, a2, b2 = FenZhi(points[half:])d, a, b = (d1, a1, b1) if d1 < d2 else (d2, a2, b2)calibration = points[half][0]left, right = [], []for u in points:if calibration - d < u[0] < calibration:left.append(u)elif calibration <= u[0] < calibration + d:right.append(u)right = sorted(right, key=lambda x: (x[1], x[0]))res = dfor u in left:l, r = -1, len(right) - 1while r - l > 1:m = (l + r) >> 1if right[m][1] <= u[1] - d:l = melse:r = midx = rfor j in range(7):if j + idx >= len(right):breakif distance(u, right[idx + j]) < res:res = distance(u, right[idx + j])a, b = u, right[idx + j]return res, a, bprint(FenZhi([[0,4],[1,1],[1,5],[2,4],[3,2],[3,5],[4,0],[4,3],[5,2],[5,5]]))

(2)蛮力法用了两个循环,因而其时间复杂度是 O ( n 2 ) O(n^2) On2,分治法由公式有 T ( n ) = T ( n / 2 ) + O ( n ) T(n) = T(n/2) + O(n) T(n)=T(n/2)+O(n),由主定理可以得出其时间复杂度是 O ( n l o g n ) O(nlogn) Onlogn

通过设置100,1000,10000个随机点对,测试蛮力策略和分治策略的用时,从而比较各自的时间复杂度。

image-20240403173629934

实验结果如下:

image-20240403173541725

由此可见蛮力法的时间大致沿着 n 2 n^2 n2的速率增长,而分治法大致沿着 n l o g n nlogn nlogn增长,符合我们的计算结果。

六、实验小结(包括问题和解决方法、心得体会等)

本次作业是分治算法的一个应用,分治和递归相辅相成,通过编写分治算法,让我深刻了解了递归的含义,并且熟悉应用了分治算法解决问题。
串匹配问题是我们在数据结构中就遇到的老朋友,其中的BF算法思想很简单,就是蛮力策略,而KMP算法主要思想是减少重复比较的时间,所以定义了一个next的方法,用来寻找最长前后缀,从而达到不移动主串,只移动子串的快速匹配。
寻找最长连续子序列问题,难点在于想到如果所求序列正好被划分的情况,而后续在三个值中寻找最大值不难分析。
分治策略求众数也是很典型的分治策略的应用,但是和上一题不一样,我们需要先行找到当前最大的众数,然后再应用递归到左、右两个序列中。
最近点对问题应该是最有难度的一道题,蛮力策略很简单,但是分治方法在考虑了左、右两边各自的最近点对之后,还需要考虑是否会有最近的点对穿过了我们的划分线。这其实和寻找最长连续子序列有异曲同工之处,但是在考虑这个问题上,我们只需要从划分线向两侧分别延展已求的最近点对长度就可以,然后寻找在这个区域内的最近点对。
通过本次作业,我对算法有了更进一步的认知,也锻炼了我的编程能力。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/791875.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Vue2电商前台项目(一):项目前的初始化及搭建

一、项目初始化 创建项目&#xff1a;sudo vue create app 1.项目配置 &#xff08;1&#xff09;浏览器自动打开 在package.json文件中&#xff0c;serve后面加上 --open "scripts": {"serve": "vue-cli-service serve --open","buil…

Android compose 使用指纹验证

基于compose进行指纹验证 点击按钮进行验证 Button(onClick {var passed falseval biometic BiometricPrompt.Builder(applicationContext).setTitle("使用指纹解锁App").setSubtitle("证明你是手机的主人").setNegativeButton("取消验证",…

JAVA 中 queue.add()和queue.offer()的区别

JAVA 中 queue.add()和queue.offer()的区别 queue.add()和queue.offer()都是向队列中插入元素的方法,但它们在队列已满时的行为有所不同。 queue.add() 如果队列未满,则将指定的元素插入到队列的尾部。 如果队列已满,则抛出IllegalStateException异常,也就是说,此方法不允许插…

Linux常见命令简介

Linux运行级别 六种运行级别&#xff1a; 0、关机 1、单用户&#xff08;可用来找回密码&#xff09; 2、多用户无网络 3、多用户有网络&#xff08;多用于工作环境&#xff09; 4、预留 5、图形界面&#xff08;多用于学习环境&#xff09; 6、重…

Qt5.14.2 P2P聊天系统开发实战,跨平台通话零距离

在日益发达的互联网时代&#xff0c;即时通讯已经成为人与人之间沟通的重要渠道之一。无论是办公场合还是生活闲聊&#xff0c;一款优秀的聊天软件都能为我们提供高效、便捷的沟通体验。今天&#xff0c;我们就来一探Qt5构建P2P聊天系统的奥秘&#xff0c;亲手打造一款跨平台的…

【leetcode面试经典150题】4.删除有序数组中的重复项 II(C++)

【leetcode面试经典150题】专栏系列将为准备暑期实习生以及秋招的同学们提高在面试时的经典面试算法题的思路和想法。本专栏将以一题多解和精简算法思路为主&#xff0c;题解使用C语言。&#xff08;若有使用其他语言的同学也可了解题解思路&#xff0c;本质上语法内容一致&…

2024.3.14力扣每日一题——合并后数组中的最大元素

2024.3.14 题目来源我的题解方法一 贪心倒序遍历 题目来源 力扣每日一题&#xff1b;题序&#xff1a;2789 我的题解 方法一 贪心倒序遍历 个人思想&#xff1a;要想满足条件的基础上得到最大值&#xff0c;则需要贪心倒序遍历&#xff0c;从右往左只要满足条件就相加&#…

我与C++的爱恋:类与对象(一)

​ ​ &#x1f525;个人主页&#xff1a;guoguoqiang. &#x1f525;专栏&#xff1a;我与C的爱恋 ​C语言是面向过程的&#xff0c;关注的是过程&#xff0c;分析出求解问题的步骤&#xff0c;通过函数调用逐步解决问题。 C是基于面向对象的&#xff0c;关注的是对象&…

单例模式的多种写法

目录 正文&#xff1a; 1.概念 2.饿汉式 3.懒汉式 3.1线程不安全的懒汉式 3.2线程安全的懒汉式 4.双重检查式 总结&#xff1a; 正文&#xff1a; 1.概念 单例模式&#xff08;Singleton Pattern&#xff09;是软件设计中常见的设计模式之一。它确保一个类只有一个实例…

Tomcat安装部署及JavaEE项目创建

一.Tomcat下载 官网链接 选择自己需要的版本&#xff08;本次采用Tomcat10&#xff09;下载 二.文件结构 解压下载的文件&#xff0c;其主要文件目录如下&#xff1a; 三.启动Tomcat 找到bin目录下的startup.bat文件&#xff0c;双击运行 启动后出现弹窗&#xff0…

【数据结构】初识数据结构与复杂度总结

前言 C语言这块算是总结完了&#xff0c;那从本篇开始就是步入一个新的大章——数据结构&#xff0c;这篇我们先来认识一下数据结构有关知识&#xff0c;以及复杂度的相关知识 个人主页&#xff1a;小张同学zkf 若有问题 评论区见 感兴趣就关注一下吧 目录 1.什么是数据结构 2.…

Java 面向对象(基础)

1、面向对象的概述及两大要素&#xff1a;类与对象 1. 面向对象内容的三条主线&#xff1a; - Java类及类的成员&#xff1a;&#xff08;重点&#xff09;属性、方法、构造器&#xff1b;&#xff08;熟悉&#xff09;代码块、内部类 - 面向对象的特征&#xff1a;封装、继承…

洛谷 1331.海战

这道题其实对于那个船的相邻问题说的相当不清楚&#xff0c;因为既然不是一条船&#xff0c;为什么还相邻呢&#xff1f;让人有点摸不到头脑。 总之可以用dfs来解决。你也可以选择用bfs&#xff0c;这个模型本质上就是flood fill。 至于判断条件&#xff0c;也就是在一个#为中…

JMeter+Grafana+influxdb 配置出现transaction无数据情况解决办法

JMeterGrafanainfluxdb 配置出现transaction无数据情况解决办法 一、问题描述二、解决方法 一、问题描述 如下图所示出现application有数据但是transaction无数据情况 二、解决方法 需要做如下设置 打开变量设置如下图打开两个选项 然后再进行后端监听器的设置 如下图所…

Ansible批量更新远程主机用户密码 (包括Ansible批量做ssh互信)

按照集团运维信息安全制度, 需要每个一段时间对线上服务器密码进行一次变更&#xff0c;通过shell脚本部署比较繁琐&#xff0c;所以决定采用ansible脚本对远程主机root密码进行批量重置&#xff0c;该脚本已经在稳定运行在正式环境下。具体方法如下: 1) 在服务端安装ansible …

数据结构进阶篇 之 【交换排序】(冒泡排序,快速排序递归、非递归实现)

当你觉的自己不行时&#xff0c;你就走到斑马线上&#xff0c;这样你就会成为一个行人 一、交换排序 1.冒泡排序 BubbleSort 1.1 基本思想 1.2 实现原理 1.3 代码实现 1.4 冒泡排序的特性总结 2.快速排序 QuickSort 2.1 基本思想 2.2 递归实现 2.2.1 hoare版 2.2.2 …

软件设计原则:里氏替换原则

定义 里氏替换原则&#xff08;Liskov Substitution Principle, LSP&#xff09;确保继承表现为一种类型扩展而非类型的重定义。具体而言&#xff0c;如果类型 S 是类型 T 的子类型&#xff0c;则类型 T 的对象可以在程序中被类型 S 的对象替换&#xff08;即&#xff0c;类型…

NoSQL之Redis

目录 一、关系型数据库与非关系型数据库 1.关系数据库 2.非关系数据库 2.1非关系型数据库产生背景 3.关系型数据库与非关系型数据区别 &#xff08;1&#xff09;数据存储方式不同 &#xff08;2&#xff09;扩展方式不同 &#xff08;3&#xff09;对事物性的支持不同 …

关于VueCli项目中如何加载调试Worker和SharedWorker

安装Webpack插件 VueCli 项目中默认是没有加载 worker 的配置&#xff0c;需要额外安装 webpack 插件来实现&#xff0c;让我们开始安装 worker-loader 插件 # npm npm install worker-loader # pnpm pnpm install worker-loader # yarn yarn add worker-loader配置Webpack插…

微服务(基础篇-008-es、kibana安装)

目录 05-初识ES-安装es_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1LQ4y127n4?p81&vd_source60a35a11f813c6dff0b76089e5e138cc 1.部署单点es 1.1.创建网络 1.2.加载镜像 1.3.运行 2.部署kibana 2.1.部署 2.2.DevTools 3.安装IK分词器 3.1.在线安装ik…