没有合适的资源?快使用搜索试试~ 我知道了~
1.0-1背包问题可用动态规划、回溯法、分支限界法解决。比较用不同算法处理0-1背包问题各有什么特点和利弊。 2. 简述BP算法的学习过程 3. 如何证明一个问题是NPC问题。已知TSP(旅行售货员问题)是NPC问题,证明Hamilton 问题也是NPC的。 4.根据下面的代价矩阵,求出最小代价路径及状态空间树的情况 ∞ 20 30 10 11 15 ∞ 16 4 2 3 5 ∞ 2 4 19 6 18 ∞ 3 16 4 7 16 ∞ 5. 设I是一个n 位十进制整数,如果将I划分为k段,则可得到k个整数。这k个整数的乘积称为I的一个k乘积。设计算法,对于给定的I和k,求出I的最大k 乘积。 6. 设计一个拉斯维加斯算法,对于给定的奇素数p和整数x,计算x的模p平方根,算法的计算时间应为log2p的多项式.(模平方根问题:设p是一个奇素数,1<=x<=p-1,如果存在一个整数y,1<=y<=p-1,使得x=y2(mod p)。则称y是x 的模平方根).
资源推荐
资源详情
资源评论
0-1 背包问题可用动态规划、回溯法、分支限界法解决。比较用不同算法处
理 0-1 背包问题各有什么特点和利弊。
()动态规划方法:
动态规划算法的基本思想是将待求解问题分解成若干个子问题,先求解子问
题,然后从这些子问题的解得到原问题的解。但是经分解得到的子问题往往不
是互相独立的。不同子问题的数目常常只有多项式量级。如果能够保存已解决
的子问题的答案,而在需要时再找出已求得的答案,就可以避免大量重复计算,
从而得到多项式时间算法。它把已知问题分为很多子问题,按顺序求解子问题,
在每一种情况下,列出各种情况的局部解,按条件从中选取那些最有可能产生
最佳的结果舍弃其余。前一子问题为后面子问题提供信息,而减少计算量,最
后一个子问题的解即为问题解。采用此方法求解 背包问题的主要步骤如下:
分析最优解的结构:最有子结构性质;
建立递归方程;
计算最优值;
构造最优解。
()回溯法:
回溯法是一种系统地搜索问题解答的方法。为了实现回溯,首先需要为问题
定义一个解空间,这个解空间必须至少包含问题的一个解可能是最优的。一
旦定义了解空间的组织方要选择一个对象的子集,将它们装人背包,以便获得
的收益最大,则解空间应组织成子集树的形状。首先形成一个递归算法,去找
到可获得的最大收益。然后,对该算法加以改进,形成代码。改进后的代码可
找到获得最大收益时包含在背包中的对象的集合。
()分支限界法:
分支限界法是另一种系统地搜索解空间的方法,它与回溯法的主要区别在于
对 结点的扩充方式。每个活结点有且仅有一次会变成 结点。当一个结点变
为 结点时,则生成从该结点移动一步即可到达的所有新结点。在生成的结点
中,抛弃那些不可能导出最优解的结点,其余结点加人活结点表,然后从表中
选择一个结点作为下一个 结点。从活结点表中取出所选择的结点并进行扩充,
直到找到解或活动表为空,扩充才结束。
三种方法都可以求解 背包问题,从效率角度分析,每种算法的时间复杂
度为:
算法种类 动态规划 回溯法 分支限界法
时间复杂度
简述 BP 算法的学习过程
()是一种按误差逆传播算法训练的多层前馈网络
它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,
使网络的误差平方和最小。 神经网络模型拓扑结构包括输入层()、
隐层 !"和输出层 !"。
算法的学习过程由信号的正向传播与误差的反向传播两个过程组成。正
向传播时,输入样本从输入层传人,经各隐层逐层处理后,传向输出层。若输
出层的实际输出与期望的输出不符,则转入误差的反向传播阶段。误差反传是
将输出误差以某种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所
有单元,从而获得各层单元的误差信号,此误差信号即作为修正各单元权值的
依据。这种信号正向传播与误差反向传播的各层权值调整过程,是周而复始地
剩余11页未读,继续阅读
资源评论
csdn_Boris
- 粉丝: 1
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功