【正文】 if(b[k].keyb[j].key) k=j。 if(k!=i) { rec temp=b[k]。 b[k]=b[i]。 b[i]=temp。 } } } void merge(int l,int m,int h,sqlist r2) { xuanze(r,l,m)。 xuanze(r,m,h)。 output(r,M)。 int i,j,k。 k=i=l。 for(j=m。imamp。amp。jh。k++) { if(r[i].key=r[j].key) { r2[k]=r[i]。 i++。 } else { r2[k]=r[j]。 j++。 } output(r2,M)。 } while(jh) { r2[k]=r[j]。 j++。 k++。 } while(i=m) { r2[k]=r[i]。 i++。 k++。 } output(r2,M)。 }private: sqlist r。 }。 void main() { coutguibingfa1運行結(jié)果:\n。 sqlist a,b。 int i,j=0,k=M/2,n=M。 srand(time(0))。 for(i=0。iM。i++) { a[i].key=rand()%80。b[i].key=0。 } guibing gx(a)。 cout排序前數(shù)組:\n。 (a,M)。 cout數(shù)組排序過程演示:\n。 (j,k,n,b)。 cout排序后數(shù)組:\n。 (b,M)。 ()。 }2. 快速排序includeincludeincludeincludedefine MAXI 10typedef int KeyType。typedef int ElemType。struct rec{ KeyType key。 ElemType data。 }。typedef rec sqlist[MAXI]。class kuaisu{public: kuaisu(sqlist a,int m):n(m) { for(int i=0。in。i++) b[i]=a[i]。 } void quicksort(int s,int t) { int i。 if(st){ i=part(s,t)。 quicksort(s,i1)。 quicksort(i+1,t)。 } else return。 } int part(int s,int t) { int i,j。 rec p。 i=s。j=t。p=b[s]。 while(ij) { while(ijamp。amp。b[j].key=)j。 b[i]=b[j]。 while(ijamp。amp。b[i].key=)i++。 b[j]=b[i]。 } b[i]=p。 output()。 return i。 } void output() { for(int i=0。in。i++) coutsetw(4)b[i].key。 coutendl。 }private: sqlist b。 int n。}。void main(){ cout:\n。 sqlist a1。 int i,n=MAXI,low=0,high=9。 srand(time(0))。 for(i=0。in。i++) a1[i].key=rand()%80。 kuaisu px(a1,n)。 cout數(shù)組排序過程演示:\n。 (low,high)。 cout排序后數(shù)組:\n。 ()。 ()。}1. 歸并排序2. 快速排序?qū)嶒灦? 貪心法1. 優(yōu)化問題 有n個輸入，而它的解就由這n個輸入滿足某些事先給定的約束條件的某個子集組成，而把滿足約束條件的子集稱為該問題的可行解?？尚薪庖话銇碚f是不唯一的。那些使目標(biāo)函數(shù)取極值(極大或極小)的可行解，稱為最優(yōu)解。2. 貪心法求優(yōu)化問題算法思想：在貪心算法中采用逐步構(gòu)造最優(yōu)解的方法。在每個階段，都作出一個看上去最優(yōu)的決策（在一定的標(biāo)準(zhǔn)下）。決策一旦作出，就不可再更改。作出貪心決策的依據(jù)稱為貪心準(zhǔn)則（greedy criterion）。3. 一般方法1）根據(jù)題意，選取一種量度標(biāo)準(zhǔn)。2）按這種量度標(biāo)準(zhǔn)對這n個輸入排序3）依次選擇輸入量加入部分解中。如果當(dāng)前這個輸入量的加入，不滿足約束條件，則不把此輸入加到這部分解中。procedure GREEDY(A，n) /*貪心法一般控制流程*/ //A(1：n)包含n個輸入// solutions←φ //將解向量solution初始化為空／ for i←1 to n do x←SELECT(A) if FEASIBLE(solution，x) then solutions←UNION(solution，x) endif repeat return(solution)end GREEDY4. 實現(xiàn)典型的貪心算法的編程與上機實驗，驗證算法的時間復(fù)雜性函數(shù)。1. 編程實現(xiàn)背包問題貪心算法和最小生成樹prim算法。通過具體算法理解如何通過局部最優(yōu)實現(xiàn)全局最優(yōu)，并驗證算法的時間復(fù)雜性。2. 輸入5個的圖的鄰接矩陣，程序加入統(tǒng)計prim算法訪問圖的節(jié)點數(shù)和邊數(shù)的語句。3. 將統(tǒng)計數(shù)與復(fù)雜性函數(shù)所計算的比較次數(shù)比較，用表格列出比較結(jié)果，給出文字分析。1. 背包問題的貪心算法 procedure KNAPSACK(P，W，M，X，n) //P(1：n)和W(1；n)分別含有按 P(i)/W(i)≥P(i+1)/W(i+1)排序的n件物品的效益值 和重量。M是背包的容量大小，而x(1：n)是解向量 real P(1：n)，W(1：n)，X(1：n)，M，cu； integer i，n；X←0 //將解向量初始化為零 cu←M //cu是背包剩余容量 for i←1 to n do if W(i)cu then exit endif X(i) ←1 cu←cuW(i) repeat if i≤n then X(i) ←cu/ W(i) endif end GREEDYKNAPSACKprocedure prim(G,)status←“unseen” // T為空 status[1]←“tree node” // 將1放入Tfor each edge(1,w) do status[w]←“fringe” // 找到T的鄰接點 dad[w] ←1。 //w通過1與T建立聯(lián)系 dist[w] ←weight(1,w) //w到T的距離 repeatwhile status[t]≠ “tree node” do pick a fringe u with min dist[w] // 選取到T最近的節(jié)點 status[u]←“tree node” for each edge(u,w) do 修改w和T的關(guān)系 repeatrepeat2. Prim算法PrimMST(G，T，r){ //求圖G的以r為根的MST，結(jié)果放在T=(U，TE)中 InitCandidateSet(…)；//初始化：設(shè)置初始的輕邊候選集，并置T=({r}，￠) for(k=0；kn1；k++){ //求T的n1條樹邊 (u，v)=SelectLiShtEdge(…)；//選取輕邊(u，v)； T←T∪{(u，v)}；//擴充T，即(u，v)涂紅加入TE，藍(lán)點v并人紅點集U ModifyCandidateSet(…)； //根據(jù)新紅點v調(diào)整候選輕邊集 } }1. 背包問題貪心算法include struct goodinfo{ f