《编程珠玑,字字珠玑》45678读书笔记——编程技巧
2012-04-06 21:03 捣乱小子 阅读(2949) 评论(1) 编辑 收藏 举报写在最前面的
就像上一篇文章说的,“编程永远是后话”!在有了可靠的问题分析过程和数据结构的选择,能正确运行的“二分搜索”代码出现之前,把其主要的思路先在草稿上实现,即伪代码。但由于伪代码执行结果的不确定性,需要有一个验证的过程。笔者非常不喜欢这个过程,因为这个过程很繁琐,而且推出的结论不一定是正确的(毕竟没有实实在在在机器上运行得到正确的结果),在笔者看来,给一个算法题,知道用什么算法,数据结构,如果能用伪代码实现,离成功已经不远了。但后来我又反驳了自己的观点(矛盾体啊),理由:至少到目前为止,写的都是小程序、小算法题,验证过程可能已经被潜移默化解决了。
实战演练:动态规划矩阵连乘最优组合
麻烦来了,今天晚上在实现“动态规划矩阵连乘最优组合”的算法在这个问题中需要填表,通过动态规划解体,就因为表的下标混乱,所以填表的过程比较枯燥(debug了好多次)。 我先在稿纸上用伪代码大概解决了这个问题,但是在真正敲写代码的时候,却发现“伪代码”除了整体上的走向之外(大概的结构),很多细节都有问题。“大概”伪代码:
for j=[0,n-1-i)
col =... //col是填表元素的列
min =...
for k=[0,i)
t =....
if t<min
t = min
a[j][col] = min;
其中省略号内的东西待敲进去之后都不正确!需要重新分析这个填表的过程。
捣乱的分析过程
顺序填表分成n-1组,编号i=[0,n-2],如图:而每组有j=n-1-i个元素需要填写。于是伪代码的前两行是这样的来的
for j=[0,n-1-i)
首先把当下需要填写元素的列值得出是col = i+j+1;通过观察很容易发现的;而j即为当下需要填写元素的行,于是(j,col)就是需要填写元素的位置。
而min的计算是瓶颈,画图
可以发现计算min的两个辅助元素的(第一个元素)行和(第二个元素)列都不被当下需填写元素的(j,col)决定了。于是:
min = a[j][j] + a[j+1][col] + tab[j]*tab[j+1]*tab[col];
接下来的t的计算由上面的min的计算的出来的:
t = a[j][j+k+1] + a[j+k+2][col] + tab[j] * tab[j+k+2] * tab[col+1];
其实是一样的,只不过红色部分多加了个k+1。
分析过程不够严谨细腻,但是纵观下来,自己有一个清晰的思路。
{
assert(n!=0);
int ** a = new int *[n];
for(int i=0; i<n; i++)
a[i] = new int[n],
::memset(a[i],0,sizeof(int)*n);
int i,j,t,min,col;
for(i=0; i<n; i++)
a[i][i] = 0;
for(i=0; i<n-1; i++)//组计数器
{
for(j=0; j<n-1-i; j++)//每组个数计数器
{
col = i + j + 1;
assert(col+1<n+1);
min = a[j][j] + a[j+1][col] + tab[j] * tab[j+1] * tab[col+1];
for(int k=0; k<i; k++)
{
assert(j+k+2<n);
t = a[j][j+k+1] + a[j+k+2][col] + tab[j] * tab[j+k+2] * tab[col+1];
if(t<min) min = t;
}// for
a[j][col] = min;
}// for
}// for
cout << a[0][n-1] << endl;
delete [] a;
要做到上面的条条框框实在是不容易的,但是如果养成“条条框框”的习惯的话,即使没有稿纸,只操手MSPAINT,相信敲代码的效率会提高的。
断言的魅力
“脚手架”简单来说是“验证程序”的程序,但笔者认为“断言”的魅力更大些。在每一个程序中,有一些变量数据是至关重要的,经常Debug就是为了这些变量的检测,看是否和预期中的结果一样;如果不一样我的做法就是:结束debug,开始艰苦的错误排查,这个过程非常头疼。assert能够可以扫清很多的错误细节,包括除数为0,数据超出规定的范围,数组下标越界云云。所以添加断言,能在逻辑上保证你的程序不会出错,即使现实并非如此。
故在上面“动态规划矩阵连乘最优组合”中,添加了
assert(col+1<n+1);
assert(j+k+2<n);
另外,添加了一个show函数:
{
for(int i=0; i<n; i++)
{
for(int j=0; j<n; j++)
cout << setw(6) <<a[i][j];
cout << endl;
}// for
cout << endl;
}
这是验证程序的一部分,另外关于程序运行时间外链一篇文章,里面的方法不错,不仅可以精确到ms,还可以是us,http://www.cnblogs.com/ma6174/archive/2012/01/03/2310996.html
一个算法题
非常遗憾,第67章看懂没多少,大概是要读者明白如何预见程序的开销!!相反,第八章有趣多了。第八章提出了找出一个数字序列中最大的、连续的子序列,并且规定全负子序列的和为0。
“如果没有阅读过《编程珠玑》跳到第四点。”
- 最原始穷举的算法时间开销大到O(n^3);
- 另一种穷举的算法,即平方算法。通过保存中间结果或者预处理数据,省去了之后重复的计算,是备忘录算法(简单的动态规划),开销下降了一个数量级O(n^2);
- 分治法,这个真没想到,开销再次下降O(nlogn);
- 以前做过类似的题目,所以最先想到的就是这个方法。形象点就是,“边吃边拉”——扫描算法,运行时间为O(n)。
t += a[i]
if t<max case
max = t
if t<0 case
t = 0
end.
ACM初赛的题目用的就是这个“边吃边拉”,不过和这里的有点不同,实际上是贪心算法:http://acm.hdu.edu.cn/diy/contest_showproblem.php?pid=1005&cid=14855&hide=0
课后习题第10题,“找到总和最接近0的子序列或者最接近某个数的子序列”,尝试着用上面的“边吃边拉”算法解决,但是没有成功;只能按着上面说的平方算法,伪代码如下:
for i=[0,n)
for j=[i,n)
t = tab[j] - tab[i]
if nearest>|t| case
nearest = t
end
数组用负数索引
第八章最有趣的地方就是“数组索引下标居然可以出现复数”!写了将近两年的程序居然还不知道有这个东西,略有自惭形秽的味道。设原数组a[n],pa = &a[1],那么pa[-1]亦即a[0]。但是,这么巧妙的东西,该怎么用? 大家一开始都有写过“冒泡排序”,看看利用这个“巧妙”能有什么效果?给出伪代码:
mustbe(n>1)
pa = &a[1]
for i=[0,n)
for j=[0,n-i)
if a[j]>pa[j] case
swap(a[j],pa[j])
end
是的,它既没有改善冒泡的运行开销和效率,但是代码美观了很多:通过把pa定位在a的第二个元素上,所以a[j]和pa[j]其实不是同一个元素,pa[j]在a[j]的后面,即便他们的下标相同。笔者突然想到了一个比较现实而有用例子,大家一开始学习编程的时候,几乎都遇到过这样的题目,给定一个数字数组,求数组的各元素的总和,最原始的想法:
for i=[0,n)
sum += a[i];
end
看看结合上面的“巧妙”的伪代码:
pa = &a[n-1]
t = n>1;
for i=[0,t)
sum += (a[i]+pa[i|0x8000]) //下标变为负数
if n&1 case
sum += a[t]
end
没错,他还是做了n次的加法,一次都没减,但是也有小小的优化:for循环里对i的判断判断和自增都减半!加减开销比位运算大的。“啊哈,灵机一动!”。非常文艺青年的一个优化,非常诗意...
结尾
第八章开始,“shit、fuck,cao”等感叹多了起来(看看《关于读书的流水账》就知道为什么有这些感叹了),而这都是笔者所要的读书的感觉。下一篇笔记会多写点“代码优化”的东西,因为在读过的《深入理解计算机系统》里也有很多相关的话题!本文完 Friday, April 06, 2012