算法设计与分析是计算机科学中的核心课程，它涉及如何有效地解决问题以及分析解决方案的效率。以下是对本校算法设计与分析期末考试中涉及知识点的详细解释：
1. **贪心算法**：贪心算法是一种在每一步选择中都采取当前状态下最好或最优（即最有利）的选择，从而希望导致结果是全局最好或最优的算法。例如，最优装载问题通过贪心策略（按重量从小到大排序）解决，其时间复杂度为O(nlogn)，因为主要消耗在排序上。
2. **动态规划**：动态规划用于解决具有重叠子问题和最优子结构的问题。与分治法不同，动态规划的子问题往往是互相独立的。例如，活动安排问题和0-1背包问题可以使用动态规划求解，其中动态规划的时间复杂度通常为O(n²)或更高，取决于问题的具体情况。
3. **分治法**：分治法将大问题分解为小的、相互独立的子问题，然后分别解决子问题并合并结果。但当子问题之间有公共部分时，如矩阵连乘，分治法可能会导致重复计算，此时动态规划更适合。
4. **活动安排问题**：目标是找到最大的相容活动子集合。贪心算法在这种问题中表现出色，它通常要求问题具有贪心选择性质，即每次选择局部最优解能导向全局最优解。在给出的活动中，贪心法会选择结束时间最早的活动，但必须注意，开始时间晚于当前活动结束时间的活动才能被选中。
5. **0-1背包问题**：这是一个经典的优化问题，贪心算法无法保证找到最优解，而动态规划、回溯法和分支限界法则可以。其中，动态规划是最常用且有效的方法。
6. **时间复杂度**：对于算法效率的衡量，时间复杂度至关重要。例如，矩阵连乘问题采用动态规划求解，时间复杂度为O(n³)，而Dijkstra算法求解单源最短路径问题的时间复杂度为O(n²)。
7. **错误的理解**：
- 最优子结构性质并不意味着只能用动态规划，贪心算法在某些情况下也能找到最优解。
- 0-1背包问题不适合贪心算法，因为它不满足贪心选择性质。
- 贪心法的基本要素是贪心选择性质，而不是最优子结构和重叠子问题性质，后者是动态规划的特点。
这些题目涵盖了贪心算法、动态规划、分治法等基本算法思想，以及它们在特定问题如装载问题、活动安排、背包问题和最短路径问题中的应用。理解和掌握这些算法及其特性是解决实际问题的关键，也是算法设计与分析课程的重点。
