大程序演算法

A. 程序設計(指比較大型的程序設計)的一般步驟有哪些

匯編語言程序設計步驟： 1、 分析問題，抽象出描述問題的數據模型 2、 確定問題的演算法思想 3、 畫出流程圖或結構圖 4、 分配存儲器和工作單元（寄存器） 5、 逐條編寫程序 6、 靜態檢查，上機調試 例：編程查找考生的最高分，假設所有考生分數已存入計算機內存。 1、 分析問題 根據條件、特點、規律 →數學模型 本例分數已給定為0~200之間的整數集合（考慮加試分） ，記為{S}，找max{S}（註： 簡單問題不一定寫數學模型） 。 2、 確定演算法思想 最好利用現成演算法和程序設計方法，若無，則需根據實踐經驗總結演算法思想。如本例， 從成績單第一分數往下看，邊看邊比較，記住較高分，舍棄較低分，直至看完，最高分存於 腦中。歸納演算法思想：建立數據指針並指向數據區首地址。將第一數取入寄存器（如AL） ， 與下一數比較，若下一數大則將其取入寄存器，否則調整指針，再與下一數比較，重復上述 過程，直至比較完畢，寄存器中即最高分。 讀分數用MOV指令，比較用CMP指令，分析判斷用條件轉移指令。 3、 畫流程圖或結構圖 有邏輯流程、演算法流程、程序流程等，復雜問題需畫模塊結構。本例簡單，只畫出程序 流程圖（用模塊化結構的N-S流程圖表示） ： 本例的N-S流程圖 圖中初始化包括：設一個計數器，將分數個數減一後送計數器，每比較一次減一，至 零查找結束；建立一個指針指向數據區。 開始 初始化 取第一數到寄存器 與下一數比較 下一數大？ 是 否 取大數到寄存器 修改指針，計數次數減一 返回到循環體開始，直到計數次數為0退出循環 結束 4、 分配存儲器空間和工作單元（寄存器） 定義數據段、堆棧段、代碼段等。工作單元一般用寄存器。本例：分數放數據段，建100 位元組堆棧空間，BX作數據指針，CX作計數器，AL放最高分。 5、 逐條編寫程序 DATA SEGMENT FEN DB 85,90,60,75,87,35,80,78,96,82…… ；存分數 MAX DB ? ；存最高分 DATA ENDS STACK SEGMENT PARA STACK 『STACK』 DB 100 DUP(?) ；100位元組堆棧 STACK ENDS CODE SEGMENT ASSUME CS:CODE,DS:DATA,SS:STACK START PROC FAR PUSH DS MOV AX,0 PUSH AX ；為了返回DOS MOV AX,DATA MOV DS,AX ；置數據段寄存器 MOV BX,OFFSET FEN ；置數據指針 MOV CX,MAX-FEN ；置計數器初值 DEC CX ；N個分數比較N-1次 MOV AL,[BX] ；取第一個分數 LOP: INC BX ；調整指針 CMP AL,[BX] ；與下一數比較 JAE NEXT ；大於等於則轉 MOV AL,[BX] ；否則取下一數 NEXT: LOOP LOP ；計數器減一, ；不為零轉LOP MOV MAX,AL ；存放最高分 RET ；返回DOS START ENDP CODE ENDS END START 6、 靜態檢查，上機調試 選用指令盡量位元組少，使其執行速度快。易錯處應重點查，如比較次數、轉移條件等。 確信無錯後方可上機調試。

B. 演算法與程序有何區別和聯系

聯系：程序是計算機指令的有序集合，是演算法用某種程序設計語言的表述，是演算法在計算機上的具體實現。

區別：

一、形式不同

1、演算法：演算法在描述上一般使用半形式化的語言。

2、程序：程序是用形式化的計算機語言描述的。

二、性質不同

1、演算法：演算法是解決問題的步驟。

2、程序：程序是演算法的代碼實現。

三、特點不同

1、演算法：演算法要依靠程序來完成功能。

2、程序：程序需要演算法作為靈魂。

C. 演算法與程序的區別與聯系

演算法和程序的區別是：

(1) 兩者定義不同。演算法是對特定問題求解步驟的描述，它是有限序列指令。而程序是實現預期目的而進行操作的一系列語句和指令。

說通俗一些演算法是解決一個問題的思路，程序，是解決這些問題所具體好寫的代碼。演算法沒有語言界限。他只是一個思路。為實現相同的一個演算法，用不同語言編寫的程序會不一樣。

(2)兩者的書寫規定不同。程序必須用規定的程序設計語言來寫，而演算法很隨意。演算法是一系列解決問題的清晰指令，也就是說，能夠對一定規范的輸入，在有限時間內獲得所要求的輸出。演算法常常含有重復的步驟和一些邏輯判斷。

簡單演算法舉例 例：求 1*2*3*4*5

步驟 1 ：先求 1*2 ，得到結果 2 。

步驟 2 ：將步驟 1 得到的乘積 2 再乘以 3 ，得到結果 6 。

步驟 3 ：將步驟 2 得到的乘積 6 再乘以 4 ，得到結果 24 。

步驟 4 ：將步驟 3 得到的乘積 24 再乘以 5 ，得到最後結果 120 。

演算法與程序的聯系 ：

演算法和程序都是指令的有限序列 ，但是程序是演算法，而演算法不一定是 程序。程序 = 數據結構 + 演算法。演算法的主要目的在於為人們提供閱讀了解所執行的工作流程與步驟。數據結構與演算法要通過程序的實現，才能由計算機系統來執行。可以這樣理解，數據結構和演算法形成了可執行的程序。

(3)大程序演算法擴展閱讀

演算法的要素：

一、數據對象的運算和操作：計算機可以執行的基本操作是以指令的形式描述的。一個計算機系統能執行的所有指令的集合，成為該計算機系統的指令系統。一個計算機的基本運算和操作有如下四類：

1、算術運算：加減乘除等運算。

2、邏輯運算：或、且、非等運算。

3、關系運算：大於、小於、等於、不等於等運算。

4、數據傳輸：輸入、輸出、賦值等運算。

二、演算法的控制結構：一個演算法的功能結構不僅取決於所選用的操作，而且還與各操作之間的執行順序有關。

D. 如何對一個程序進行演算法分析時間復雜度怎麼算

演算法的復雜性

演算法的復雜性是演算法效率的度量，是評價演算法優劣的重要依據。一個演算法的復雜性的高低體現在運行該演算法所需要的計算機資源的多少上面，所需的資源越多，我們就說該演算法的復雜性越高；反之，所需的資源越低，則該演算法的復雜性越低。

計算機的資源，最重要的是時間和空間（即存儲器）資源。因而，演算法的復雜性有時間復雜性和空間復雜性之分。

不言而喻，對於任意給定的問題，設計出復雜性盡可能低的演算法是我們在設計演算法時追求的一個重要目標；另一方面，當給定的問題已有多種演算法時，選擇其中復雜性最低者，是我們在選用演算法適應遵循的一個重要准則。因此，演算法的復雜性分析對演算法的設計或選用有著重要的指導意義和實用價值。

簡言之，在演算法學習過程中，我們必須首先學會對演算法的分析，以確定或判斷演算法的優劣。

1.時間復雜性：
例1：設一程序段如下（為討論方便，每行前加一行號）
(1) for i:=1 to n do
(2) for j:=1 to n do
(3) x:=x+1
......
試問在程序運行中各步執行的次數各為多少？
解答：
行號 次數(頻度)
(1) n+1
(2) n*(n+1)
(3) n*n
可見，這段程序總的執行次數是：f(n)=2n2+2n+1。在這里，n可以表示問題的規模，當n趨向無窮大時，如果 f(n)的值很小，則演算法優。作為初學者，我們可以用f(n)的數量級O來粗略地判斷演算法的時間復雜性，如上例中的時間復雜性可粗略地表示為T(n)=O(n2)。

2.空間復雜性:

例2:將一一維數組的數據(n個)逆序存放到原數組中,下面是實現該問題的兩種演算法:

演算法1:for i:=1 to n do

b[i]:=a[n-i+1];

for i:=1 to n do

a[i]:=b[i];

演算法2:for i:=1 to n div 2 do

begin

t:=a[i];a[i]:=a[n-i-1];a[n-i-1]:=t

end;

演算法1的時間復雜度為2n,空間復雜度為2n

演算法2的時間復雜度為3*n/2,空間復雜度為n+1

顯然演算法2比演算法1優，這兩種演算法的空間復雜度可粗略地表示為S(n)=O(n)

信息學比賽中，經常是：只要不超過內存，盡可能用空間換時間。

E. 求助！！！ 用C語言或C++編寫最大流演算法的程序,演算法如下：

lz的偽代碼我沒看懂···演算法導論理有通用的偽代碼約定，lz看看吧

F. 用vb程序求最大數的演算法

Private Sub Command1_Click()
x = CInt(InputBox("請輸入第1個數:"))
Print x;
Max = x
For i = 2 To 10
x = CInt(InputBox("請輸入第" & i & "個數:"))
If x > Max Then Max = x
Print x;
Next i
Print
Print "最大值="; Max
End Sub

G. java開發大型Web程序需要什麼學習演算法

(totalpage) totalpage = (tolalitem % maxitem)== 0 ? tolalitem / maxitem :(tolalitem / maxitem)+1 這些演算法不需要特別高深的 數學基礎,也不需要數據結構的基礎 只要上過初中 學過java 語法都能理解, 這里我不是說那些知識沒用, web開發按我的理解開發屬於,企業級的開發,屬於商品級的 宜用 快速 開發 不成熟的東西是不會用的,不能快速賺錢的 不會用的 ,但是在開發中或者項目的後期維護,會遇到效率問題 所以說演算法的所用只是理解其數據運作的原理,就像設計師設計出火車需要高深的物理的 , 數學的 ..知識,而製造者只需按照圖紙,拼裝即可.... 要看你以後的發展方向,做程序設計師還是,程序員

H. 程序員開發用到的十大基本演算法

演算法一：快速排序演算法
快速排序是由東尼·霍爾所發展的一種排序演算法。在平均狀況下，排序 n 個項目要Ο(n log n)次比較。在最壞狀況下則需要Ο(n2)次比較，但這種狀況並不常見。事實上，快速排序通常明顯比其他Ο(n log n) 演算法更快，因為它的內部循環（inner loop）可以在大部分的架構上很有效率地被實現出來。

快速排序使用分治法（Divide and conquer）策略來把一個串列（list）分為兩個子串列（sub-lists）。

演算法步驟：
1 從數列中挑出一個元素，稱為 「基準」（pivot），
2 重新排序數列，所有元素比基準值小的擺放在基準前面，所有元素比基準值大的擺在基準的後面（相同的數可以到任一邊）。在這個分區退出之後，該基準就處於數列的中間位置。這個稱為分區（partition）操作。
3 遞歸地（recursive）把小於基準值元素的子數列和大於基準值元素的子數列排序。

遞歸的最底部情形，是數列的大小是零或一，也就是永遠都已經被排序好了。雖然一直遞歸下去，但是這個演算法總會退出，因為在每次的迭代（iteration）中，它至少會把一個元素擺到它最後的位置去。

演算法二：堆排序演算法
堆排序（Heapsort）是指利用堆這種數據結構所設計的一種排序演算法。堆積是一個近似完全二叉樹的結構，並同時滿足堆積的性質：即子結點的鍵值或索引總是小於（或者大於）它的父節點。堆排序的平均時間復雜度為Ο(nlogn) 。

演算法步驟：
1.創建一個堆H[0..n-1]
2.把堆首（最大值）和堆尾互換
3.把堆的尺寸縮小1，並調用shift_down(0),目的是把新的數組頂端數據調整到相應位置
4.重復步驟2，直到堆的尺寸為1

演算法三：歸並排序
歸並排序（Merge sort，台灣譯作：合並排序）是建立在歸並操作上的一種有效的排序演算法。該演算法是採用分治法（Divide and Conquer）的一個非常典型的應用。

演算法步驟：

演算法四：二分查找演算法
二分查找演算法是一種在有序數組中查找某一特定元素的搜索演算法。搜素過程從數組的中間元素開始，如果中間元素正好是要查找的元素，則搜 素過程結束；如果某一特定元素大於或者小於中間元素，則在數組大於或小於中間元素的那一半中查找，而且跟開始一樣從中間元素開始比較。如果在某一步驟數組 為空，則代表找不到。這種搜索演算法每一次比較都使搜索范圍縮小一半。折半搜索每次把搜索區域減少一半，時間復雜度為Ο(logn) 。

演算法五：BFPRT(線性查找演算法)
BFPRT演算法解決的問題十分經典，即從某n個元素的序列中選出第k大（第k小）的元素，通過巧妙的分 析，BFPRT可以保證在最壞情況下仍為線性時間復雜度。該演算法的思想與快速排序思想相似，當然，為使得演算法在最壞情況下，依然能達到o(n)的時間復雜 度，五位演算法作者做了精妙的處理。

演算法步驟：

終止條件：n=1時，返回的即是i小元素。

演算法六：DFS（深度優先搜索）
深度優先搜索演算法（Depth-First-Search），是搜索演算法的一種。它沿著樹的深度遍歷樹的節點，盡可能深的搜索樹的分 支。當節點v的所有邊都己被探尋過，搜索將回溯到發現節點v的那條邊的起始節點。這一過程一直進行到已發現從源節點可達的所有節點為止。如果還存在未被發 現的節點，則選擇其中一個作為源節點並重復以上過程，整個進程反復進行直到所有節點都被訪問為止。DFS屬於盲目搜索。

深度優先搜索是圖論中的經典演算法，利用深度優先搜索演算法可以產生目標圖的相應拓撲排序表，利用拓撲排序表可以方便的解決很多相關的圖論問題，如最大路徑問題等等。一般用堆數據結構來輔助實現DFS演算法。

演算法步驟：

上述描述可能比較抽象，舉個實例：
DFS 在訪問圖中某一起始頂點 v 後，由 v 出發，訪問它的任一鄰接頂點 w1；再從 w1 出發，訪問與 w1鄰 接但還沒有訪問過的頂點 w2；然後再從 w2 出發，進行類似的訪問，… 如此進行下去，直至到達所有的鄰接頂點都被訪問過的頂點 u 為止。

接著，退回一步，退到前一次剛訪問過的頂點，看是否還有其它沒有被訪問的鄰接頂點。如果有，則訪問此頂點，之後再從此頂點出發，進行與前述類似的訪問；如果沒有，就再退回一步進行搜索。重復上述過程，直到連通圖中所有頂點都被訪問過為止。

演算法七：BFS(廣度優先搜索)
廣度優先搜索演算法（Breadth-First-Search），是一種圖形搜索演算法。簡單的說，BFS是從根節點開始，沿著樹(圖)的寬度遍歷樹(圖)的節點。如果所有節點均被訪問，則演算法中止。BFS同樣屬於盲目搜索。一般用隊列數據結構來輔助實現BFS演算法。

演算法步驟：

演算法八：Dijkstra演算法
戴克斯特拉演算法（Dijkstra』s algorithm）是由荷蘭計算機科學家艾茲赫爾·戴克斯特拉提出。迪科斯徹演算法使用了廣度優先搜索解決非負權有向圖的單源最短路徑問題，演算法最終得到一個最短路徑樹。該演算法常用於路由演算法或者作為其他圖演算法的一個子模塊。

該演算法的輸入包含了一個有權重的有向圖 G，以及G中的一個來源頂點 S。我們以 V 表示 G 中所有頂點的集合。每一個圖中的邊，都是兩個頂點所形成的有序元素對。(u, v) 表示從頂點 u 到 v 有路徑相連。我們以 E 表示G中所有邊的集合，而邊的權重則由權重函數 w: E → [0, ∞] 定義。因此，w(u, v) 就是從頂點 u 到頂點 v 的非負權重（weight）。邊的權重可以想像成兩個頂點之間的距離。任兩點間路徑的權重，就是該路徑上所有邊的權重總和。已知有 V 中有頂點 s 及 t，Dijkstra 演算法可以找到 s 到 t的最低權重路徑(例如，最短路徑)。這個演算法也可以在一個圖中，找到從一個頂點 s 到任何其他頂點的最短路徑。對於不含負權的有向圖，Dijkstra演算法是目前已知的最快的單源最短路徑演算法。

演算法步驟：

重復上述步驟2、3，直到S中包含所有頂點，即W=Vi為止

演算法九：動態規劃演算法
動態規劃（Dynamic programming）是一種在數學、計算機科學和經濟學中使用的，通過把原問題分解為相對簡單的子問題的方式求解復雜問題的方法。 動態規劃常常適用於有重疊子問題和最優子結構性質的問題，動態規劃方法所耗時間往往遠少於樸素解法。

動態規劃背後的基本思想非常簡單。大致上，若要解一個給定問題，我們需要解其不同部分（即子問題），再合並子問題的解以得出原問題的解。 通常許多 子問題非常相似，為此動態規劃法試圖僅僅解決每個子問題一次，從而減少計算量： 一旦某個給定子問題的解已經算出，則將其記憶化存儲，以便下次需要同一個 子問題解之時直接查表。 這種做法在重復子問題的數目關於輸入的規模呈指數增長時特別有用。

關於動態規劃最經典的問題當屬背包問題。

演算法步驟：

演算法十：樸素貝葉斯分類演算法
樸素貝葉斯分類演算法是一種基於貝葉斯定理的簡單概率分類演算法。貝葉斯分類的基礎是概率推理，就是在各種條件的存在不確定，僅知其出現概率的情況下， 如何完成推理和決策任務。概率推理是與確定性推理相對應的。而樸素貝葉斯分類器是基於獨立假設的，即假設樣本每個特徵與其他特徵都不相關。

樸素貝葉斯分類器依靠精確的自然概率模型，在有監督學習的樣本集中能獲取得非常好的分類效果。在許多實際應用中，樸素貝葉斯模型參數估計使用最大似然估計方法，換言之樸素貝葉斯模型能工作並沒有用到貝葉斯概率或者任何貝葉斯模型。

盡管是帶著這些樸素思想和過於簡單化的假設，但樸素貝葉斯分類器在很多復雜的現實情形中仍能夠取得相當好的效果。

I. 大一演算法程序，

#include<stdio.h>
int main(void)
{
char s1[100],s2[100];
int i,j,n;
gets(s1);
gets(s2);
scanf("%d",&n);
for(i=0;s1[i];i++); //到s[i]='\0'為止
for(j=0;s2[j];j++); //j=s2的長度
for(;i>=n;i--) //把s1中第n個字元後(包括'\0')後移j個字元(空出位置)
s1[i+j]=s1[i];
for(i++,j--;j>=0;j--) //把s2復制到s1中的"空白"處
s1[i+j]=s2[j];
puts(s1);
system("pause");
return 0;
}