大程序算法

A. 程序设计(指比较大型的程序设计)的一般步骤有哪些

汇编语言程序设计步骤： 1、 分析问题，抽象出描述问题的数据模型 2、 确定问题的算法思想 3、 画出流程图或结构图 4、 分配存储器和工作单元（寄存器） 5、 逐条编写程序 6、 静态检查，上机调试 例：编程查找考生的最高分，假设所有考生分数已存入计算机内存。 1、 分析问题 根据条件、特点、规律 →数学模型 本例分数已给定为0~200之间的整数集合（考虑加试分） ，记为{S}，找max{S}（注： 简单问题不一定写数学模型） 。 2、 确定算法思想 最好利用现成算法和程序设计方法，若无，则需根据实践经验总结算法思想。如本例， 从成绩单第一分数往下看，边看边比较，记住较高分，舍弃较低分，直至看完，最高分存于 脑中。归纳算法思想：建立数据指针并指向数据区首地址。将第一数取入寄存器（如AL） ， 与下一数比较，若下一数大则将其取入寄存器，否则调整指针，再与下一数比较，重复上述 过程，直至比较完毕，寄存器中即最高分。 读分数用MOV指令，比较用CMP指令，分析判断用条件转移指令。 3、 画流程图或结构图 有逻辑流程、算法流程、程序流程等，复杂问题需画模块结构。本例简单，只画出程序 流程图（用模块化结构的N-S流程图表示） ： 本例的N-S流程图 图中初始化包括：设一个计数器，将分数个数减一后送计数器，每比较一次减一，至 零查找结束；建立一个指针指向数据区。 开始 初始化 取第一数到寄存器 与下一数比较 下一数大？ 是 否 取大数到寄存器 修改指针，计数次数减一 返回到循环体开始，直到计数次数为0退出循环 结束 4、 分配存储器空间和工作单元（寄存器） 定义数据段、堆栈段、代码段等。工作单元一般用寄存器。本例：分数放数据段，建100 字节堆栈空间，BX作数据指针，CX作计数器，AL放最高分。 5、 逐条编写程序 DATA SEGMENT FEN DB 85,90,60,75,87,35,80,78,96,82…… ；存分数 MAX DB ? ；存最高分 DATA ENDS STACK SEGMENT PARA STACK ‘STACK’ DB 100 DUP(?) ；100字节堆栈 STACK ENDS CODE SEGMENT ASSUME CS:CODE,DS:DATA,SS:STACK START PROC FAR PUSH DS MOV AX,0 PUSH AX ；为了返回DOS MOV AX,DATA MOV DS,AX ；置数据段寄存器 MOV BX,OFFSET FEN ；置数据指针 MOV CX,MAX-FEN ；置计数器初值 DEC CX ；N个分数比较N-1次 MOV AL,[BX] ；取第一个分数 LOP: INC BX ；调整指针 CMP AL,[BX] ；与下一数比较 JAE NEXT ；大于等于则转 MOV AL,[BX] ；否则取下一数 NEXT: LOOP LOP ；计数器减一, ；不为零转LOP MOV MAX,AL ；存放最高分 RET ；返回DOS START ENDP CODE ENDS END START 6、 静态检查，上机调试 选用指令尽量字节少，使其执行速度快。易错处应重点查，如比较次数、转移条件等。 确信无错后方可上机调试。

B. 算法与程序有何区别和联系

联系：程序是计算机指令的有序集合，是算法用某种程序设计语言的表述，是算法在计算机上的具体实现。

区别：

一、形式不同

1、算法：算法在描述上一般使用半角式化的语言。

2、程序：程序是用形式化的计算机语言描述的。

二、性质不同

1、算法：算法是解决问题的步骤。

2、程序：程序是算法的代码实现。

三、特点不同

1、算法：算法要依靠程序来完成功能。

2、程序：程序需要算法作为灵魂。

C. 算法与程序的区别与联系

算法和程序的区别是：

(1) 两者定义不同。算法是对特定问题求解步骤的描述，它是有限序列指令。而程序是实现预期目的而进行操作的一系列语句和指令。

说通俗一些算法是解决一个问题的思路，程序，是解决这些问题所具体好写的代码。算法没有语言界限。他只是一个思路。为实现相同的一个算法，用不同语言编写的程序会不一样。

(2)两者的书写规定不同。程序必须用规定的程序设计语言来写，而算法很随意。算法是一系列解决问题的清晰指令，也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。算法常常含有重复的步骤和一些逻辑判断。

简单算法举例 例：求 1*2*3*4*5

步骤 1 ：先求 1*2 ，得到结果 2 。

步骤 2 ：将步骤 1 得到的乘积 2 再乘以 3 ，得到结果 6 。

步骤 3 ：将步骤 2 得到的乘积 6 再乘以 4 ，得到结果 24 。

步骤 4 ：将步骤 3 得到的乘积 24 再乘以 5 ，得到最后结果 120 。

算法与程序的联系 ：

算法和程序都是指令的有限序列 ，但是程序是算法，而算法不一定是 程序。程序 = 数据结构 + 算法。算法的主要目的在于为人们提供阅读了解所执行的工作流程与步骤。数据结构与算法要通过程序的实现，才能由计算机系统来执行。可以这样理解，数据结构和算法形成了可执行的程序。

(3)大程序算法扩展阅读

算法的要素：

一、数据对象的运算和操作：计算机可以执行的基本操作是以指令的形式描述的。一个计算机系统能执行的所有指令的集合，成为该计算机系统的指令系统。一个计算机的基本运算和操作有如下四类：

1、算术运算：加减乘除等运算。

2、逻辑运算：或、且、非等运算。

3、关系运算：大于、小于、等于、不等于等运算。

4、数据传输：输入、输出、赋值等运算。

二、算法的控制结构：一个算法的功能结构不仅取决于所选用的操作，而且还与各操作之间的执行顺序有关。

D. 如何对一个程序进行算法分析时间复杂度怎么算

算法的复杂性

算法的复杂性是算法效率的度量，是评价算法优劣的重要依据。一个算法的复杂性的高低体现在运行该算法所需要的计算机资源的多少上面，所需的资源越多，我们就说该算法的复杂性越高；反之，所需的资源越低，则该算法的复杂性越低。

计算机的资源，最重要的是时间和空间（即存储器）资源。因而，算法的复杂性有时间复杂性和空间复杂性之分。

不言而喻，对于任意给定的问题，设计出复杂性尽可能低的算法是我们在设计算法时追求的一个重要目标；另一方面，当给定的问题已有多种算法时，选择其中复杂性最低者，是我们在选用算法适应遵循的一个重要准则。因此，算法的复杂性分析对算法的设计或选用有着重要的指导意义和实用价值。

简言之，在算法学习过程中，我们必须首先学会对算法的分析，以确定或判断算法的优劣。

1.时间复杂性：
例1：设一程序段如下（为讨论方便，每行前加一行号）
(1) for i:=1 to n do
(2) for j:=1 to n do
(3) x:=x+1
......
试问在程序运行中各步执行的次数各为多少？
解答：
行号 次数(频度)
(1) n+1
(2) n*(n+1)
(3) n*n
可见，这段程序总的执行次数是：f(n)=2n2+2n+1。在这里，n可以表示问题的规模，当n趋向无穷大时，如果 f(n)的值很小，则算法优。作为初学者，我们可以用f(n)的数量级O来粗略地判断算法的时间复杂性，如上例中的时间复杂性可粗略地表示为T(n)=O(n2)。

2.空间复杂性:

例2:将一一维数组的数据(n个)逆序存放到原数组中,下面是实现该问题的两种算法:

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];

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;

算法1的时间复杂度为2n,空间复杂度为2n

算法2的时间复杂度为3*n/2,空间复杂度为n+1

显然算法2比算法1优，这两种算法的空间复杂度可粗略地表示为S(n)=O(n)

信息学比赛中，经常是：只要不超过内存，尽可能用空间换时间。

E. 求助！！！ 用C语言或C++编写最大流算法的程序,算法如下：

lz的伪代码我没看懂···算法导论理有通用的伪代码约定，lz看看吧

F. 用vb程序求最大数的算法

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

G. java开发大型Web程序需要什么学习算法

(totalpage) totalpage = (tolalitem % maxitem)== 0 ? tolalitem / maxitem :(tolalitem / maxitem)+1 这些算法不需要特别高深的 数学基础,也不需要数据结构的基础 只要上过初中 学过java 语法都能理解, 这里我不是说那些知识没用, web开发按我的理解开发属于,企业级的开发,属于商品级的 宜用 快速 开发 不成熟的东西是不会用的,不能快速赚钱的 不会用的 ,但是在开发中或者项目的后期维护,会遇到效率问题 所以说算法的所用只是理解其数据运作的原理,就像设计师设计出火车需要高深的物理的 , 数学的 ..知识,而制造者只需按照图纸,拼装即可.... 要看你以后的发展方向,做程序设计师还是,程序员

H. 程序员开发用到的十大基本算法

算法一：快速排序算法
快速排序是由东尼·霍尔所发展的一种排序算法。在平均状况下，排序 n 个项目要Ο(n log n)次比较。在最坏状况下则需要Ο(n2)次比较，但这种状况并不常见。事实上，快速排序通常明显比其他Ο(n log n) 算法更快，因为它的内部循环（inner loop）可以在大部分的架构上很有效率地被实现出来。

快速排序使用分治法（Divide and conquer）策略来把一个串行（list）分为两个子串行（sub-lists）。

算法步骤：
1 从数列中挑出一个元素，称为 “基准”（pivot），
2 重新排序数列，所有元素比基准值小的摆放在基准前面，所有元素比基准值大的摆在基准的后面（相同的数可以到任一边）。在这个分区退出之后，该基准就处于数列的中间位置。这个称为分区（partition）操作。
3 递归地（recursive）把小于基准值元素的子数列和大于基准值元素的子数列排序。

递归的最底部情形，是数列的大小是零或一，也就是永远都已经被排序好了。虽然一直递归下去，但是这个算法总会退出，因为在每次的迭代（iteration）中，它至少会把一个元素摆到它最后的位置去。

算法二：堆排序算法
堆排序（Heapsort）是指利用堆这种数据结构所设计的一种排序算法。堆积是一个近似完全二叉树的结构，并同时满足堆积的性质：即子结点的键值或索引总是小于（或者大于）它的父节点。堆排序的平均时间复杂度为Ο(nlogn) 。

算法步骤：
1.创建一个堆H[0..n-1]
2.把堆首（最大值）和堆尾互换
3.把堆的尺寸缩小1，并调用shift_down(0),目的是把新的数组顶端数据调整到相应位置
4.重复步骤2，直到堆的尺寸为1

算法三：归并排序
归并排序（Merge sort，台湾译作：合并排序）是建立在归并操作上的一种有效的排序算法。该算法是采用分治法（Divide and Conquer）的一个非常典型的应用。

算法步骤：

算法四：二分查找算法
二分查找算法是一种在有序数组中查找某一特定元素的搜索算法。搜素过程从数组的中间元素开始，如果中间元素正好是要查找的元素，则搜 素过程结束；如果某一特定元素大于或者小于中间元素，则在数组大于或小于中间元素的那一半中查找，而且跟开始一样从中间元素开始比较。如果在某一步骤数组 为空，则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。折半搜索每次把搜索区域减少一半，时间复杂度为Ο(logn) 。

算法五：BFPRT(线性查找算法)
BFPRT算法解决的问题十分经典，即从某n个元素的序列中选出第k大（第k小）的元素，通过巧妙的分 析，BFPRT可以保证在最坏情况下仍为线性时间复杂度。该算法的思想与快速排序思想相似，当然，为使得算法在最坏情况下，依然能达到o(n)的时间复杂 度，五位算法作者做了精妙的处理。

算法步骤：

终止条件：n=1时，返回的即是i小元素。

算法六：DFS（深度优先搜索）
深度优先搜索算法（Depth-First-Search），是搜索算法的一种。它沿着树的深度遍历树的节点，尽可能深的搜索树的分 支。当节点v的所有边都己被探寻过，搜索将回溯到发现节点v的那条边的起始节点。这一过程一直进行到已发现从源节点可达的所有节点为止。如果还存在未被发 现的节点，则选择其中一个作为源节点并重复以上过程，整个进程反复进行直到所有节点都被访问为止。DFS属于盲目搜索。

深度优先搜索是图论中的经典算法，利用深度优先搜索算法可以产生目标图的相应拓扑排序表，利用拓扑排序表可以方便的解决很多相关的图论问题，如最大路径问题等等。一般用堆数据结构来辅助实现DFS算法。

算法步骤：

上述描述可能比较抽象，举个实例：
DFS 在访问图中某一起始顶点 v 后，由 v 出发，访问它的任一邻接顶点 w1；再从 w1 出发，访问与 w1邻 接但还没有访问过的顶点 w2；然后再从 w2 出发，进行类似的访问，… 如此进行下去，直至到达所有的邻接顶点都被访问过的顶点 u 为止。

接着，退回一步，退到前一次刚访问过的顶点，看是否还有其它没有被访问的邻接顶点。如果有，则访问此顶点，之后再从此顶点出发，进行与前述类似的访问；如果没有，就再退回一步进行搜索。重复上述过程，直到连通图中所有顶点都被访问过为止。

算法七：BFS(广度优先搜索)
广度优先搜索算法（Breadth-First-Search），是一种图形搜索算法。简单的说，BFS是从根节点开始，沿着树(图)的宽度遍历树(图)的节点。如果所有节点均被访问，则算法中止。BFS同样属于盲目搜索。一般用队列数据结构来辅助实现BFS算法。

算法步骤：

算法八：Dijkstra算法
戴克斯特拉算法（Dijkstra’s algorithm）是由荷兰计算机科学家艾兹赫尔·戴克斯特拉提出。迪科斯彻算法使用了广度优先搜索解决非负权有向图的单源最短路径问题，算法最终得到一个最短路径树。该算法常用于路由算法或者作为其他图算法的一个子模块。

该算法的输入包含了一个有权重的有向图 G，以及G中的一个来源顶点 S。我们以 V 表示 G 中所有顶点的集合。每一个图中的边，都是两个顶点所形成的有序元素对。(u, v) 表示从顶点 u 到 v 有路径相连。我们以 E 表示G中所有边的集合，而边的权重则由权重函数 w: E → [0, ∞] 定义。因此，w(u, v) 就是从顶点 u 到顶点 v 的非负权重（weight）。边的权重可以想象成两个顶点之间的距离。任两点间路径的权重，就是该路径上所有边的权重总和。已知有 V 中有顶点 s 及 t，Dijkstra 算法可以找到 s 到 t的最低权重路径(例如，最短路径)。这个算法也可以在一个图中，找到从一个顶点 s 到任何其他顶点的最短路径。对于不含负权的有向图，Dijkstra算法是目前已知的最快的单源最短路径算法。

算法步骤：

重复上述步骤2、3，直到S中包含所有顶点，即W=Vi为止

算法九：动态规划算法
动态规划（Dynamic programming）是一种在数学、计算机科学和经济学中使用的，通过把原问题分解为相对简单的子问题的方式求解复杂问题的方法。 动态规划常常适用于有重叠子问题和最优子结构性质的问题，动态规划方法所耗时间往往远少于朴素解法。

动态规划背后的基本思想非常简单。大致上，若要解一个给定问题，我们需要解其不同部分（即子问题），再合并子问题的解以得出原问题的解。 通常许多 子问题非常相似，为此动态规划法试图仅仅解决每个子问题一次，从而减少计算量： 一旦某个给定子问题的解已经算出，则将其记忆化存储，以便下次需要同一个 子问题解之时直接查表。 这种做法在重复子问题的数目关于输入的规模呈指数增长时特别有用。

关于动态规划最经典的问题当属背包问题。

算法步骤：

算法十：朴素贝叶斯分类算法
朴素贝叶斯分类算法是一种基于贝叶斯定理的简单概率分类算法。贝叶斯分类的基础是概率推理，就是在各种条件的存在不确定，仅知其出现概率的情况下， 如何完成推理和决策任务。概率推理是与确定性推理相对应的。而朴素贝叶斯分类器是基于独立假设的，即假设样本每个特征与其他特征都不相关。

朴素贝叶斯分类器依靠精确的自然概率模型，在有监督学习的样本集中能获取得非常好的分类效果。在许多实际应用中，朴素贝叶斯模型参数估计使用最大似然估计方法，换言之朴素贝叶斯模型能工作并没有用到贝叶斯概率或者任何贝叶斯模型。

尽管是带着这些朴素思想和过于简单化的假设，但朴素贝叶斯分类器在很多复杂的现实情形中仍能够取得相当好的效果。

I. 大一算法程序，

#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'为止
for(j=0;s2[j];j++); //j=s2的长度
for(;i>=n;i--) //把s1中第n个字符后(包括'\0')后移j个字符(空出位置)
s1[i+j]=s1[i];
for(i++,j--;j>=0;j--) //把s2复制到s1中的"空白"处
s1[i+j]=s2[j];
puts(s1);
system("pause");
return 0;
}