算法设计心得体会算法设计与分析学习心得班级：物联网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：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！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(n 2),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(n㏒n)。
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。
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。
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：有穷性。
算法在执行有限步后必须终止。
确定性。
算法的每一个步骤必须有确切的定义。
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。
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。
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。
(2) 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：递归就是在过程或函数里调用自身在使用递归策略时，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int fib[50]; //采用数组保存中间结果void fibonacci(int n){fib[0] = 1;fib[1] = 1;for (int i=2; i fib[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。
分治与递归像一对孪生兄弟，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_Conquerif (|P|＜＝n0 ) return adhoc(P)；divide P into smaller substances P1，P2，…，Pk；for (i＝1; i＜＝k; k＋＋)yi＝Divide-and-Conquer //递归解决PiReturn merge //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 (not solution(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if feasible(S, x) //判断集合S中加入x后的解是否可行S = S+{x};A = A-{x};}return S;｝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(1)找出最优解的性质，并刻画其结构特征；(2)递归地定义最优值；(3)以自底向上的方式计算出最优值；(4)根据算法最优值时得到的信息，构造一个最优值。