中国科学技术大学的算法课程，红黑树插入算法实验报告

编写程序，实现K聚类算法。 1.以（0，0）， （10，0），（0，10）三个点为圆心，5为半径，随机生成30个点 2.以K=2,3,4分别对以上30个点进行聚类，观察结果

描述罗密欧与朱丽叶迷宫求解步骤，方便开发。

龙贝格算法的实验，完成，直接在VC++6.0打开就可以运行哦！

南邮算法回溯法实验代码，求解出轮船装载问题，分别实现了递归法以及迭代法，注释详尽。代码本人实验所用，真实可靠，有问题可以私聊我

基本思路 　　这是最基础的背包问题，特点是：每种物品仅有一件，可以选择放或不放。 　　用子问题定义状态：即f[i][v]表示前i件物品恰放入一个容量为v的背包可以获得的最大价值。则其状态转移方程便是：f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]+w[i]} 。 可以压缩空间，f[v]=max{f[v],f[v-c[i]]+w[i]} 　　这个方程非常重要，基本上所有跟背包相关的问题的方程都是由它衍生出来的。所以有必要将它详细解释一下：“将前i件物品放入容量为v的背包中”这个子问题，若只考虑第i件物品的策略（放或不放），那么就可以转化为一个只牵扯前i-1件物品的问题。如果不放第i件物品，那么问题就转化为“前i-1件物品放入容量为v的背包中”，价值为f[i-1][v]；如果放第i件物品，那么问题就转化为“前i-1件物品放入剩下的容量为v-c[i]的背包中”，此时能获得的最大价值就是f [i-1][v-c[i]]再加上通过放入第i件物品获得的价值w[i]。 　　注意f[v]有意义当且仅当存在一个前i件物品的子集，其费用总和为v。所以按照这个方程递推完毕后，最终的答案并不一定是f[N] [V]，而是f[N][0..V]的最大值。如果将状态的定义中的“恰”字去掉，在转移方程中就要再加入一项f[v-1]，这样就可以保证f[N] [V]就是最后的答案。至于为什么这样就可以，由你自己来体会了。 优化空间复杂度 　　以上方法的时间和空间复杂度均为O(N*V)，其中时间复杂度基本已经不能再优化了，但空间复杂度却可以优化到O(N)。 　　先考虑上面讲的基本思路如何实现，肯定是有一个主循环i=1..N，每次算出来二维数组f[i][0..V]的所有值。那么，如果只用一个数组f [0..V]，能不能保证第i次循环结束后f[v]中表示的就是我们定义的状态f[i][v]呢？ 　　f[i][v]是由f[i-1][v]和f [i-1][v-c[i]]两个子问题递推而来，能否保证在推f[v]时（也即在第i次主循环中推f[v]时）能够得到f[v]和f[v -c[i]]的值呢？事实上，这要求在每次主循环中我们以v=V..0的顺序推f[v]，这样才能保证推f[v]时f[v-c[i]]保存的是状态f[i-1][v-c[i]]的值。伪代码如下： 　　for i=1..N 　　for v=V..0 　　f[v]=max{f[v],f[v-c[i]]+w[i]}; 　　其中的f[v]=max{f[v],f[v-c[i]]}一句恰就相当于我们的转移方程f[i][v]=max{f[i-1][v],f[i-1][v-c[i]]}，因为现在的 　　f[v-c[i]]就相当于原来的f[i-1][v-c[i]]。如果将v的循环顺序从上面的逆序改成顺序的话，那么则成了f[i][v]由f[i][v-c[i]]推知，与本题意不符，但它却是另一个重要的背包问题P02最简捷的解决方案，故学习只用一维数组解01背包问题是十分必要的。

中科大软院算法实验源码+实验报告+你懂的

请在以上示例实验程序中补充―增强二次机会‖等置换算法的模拟程序。输入不同 的内存页面引用串和实存帧数,观察并分析其页面置换效果和性能,并将其与 LRU 和 FIFO 算法进行比较。改进以上示例实验程序,使之能够随机的产生内存页面引 用串,以便能动态的观测各种置换算法的性能。

操作系统实验七：内存页面置换算法实验报告。加深对于存储管理的了解，掌握虚拟存储器的实现原理；观察和了解重要的页面置换算法和置换过程。练习模拟算法的编程技巧，锻炼分析试验数据的能力。实验内容：在以上示例实验程序中补充―增强二次机会‖等置换算法的模拟程序。输入不同的内存页面引用串和实存帧数，观察并分析其页面置换效果和性能，并将其与LRU和FIFO算法进行比较。改进以上示例实验程序，使之能够随机的产生内存页面引用串，以便能动态的观测各种置换算法的性能。

python算法分析与设计实验报告，内含快排，分治，最大流，随机等算法，按照算法书上的实验排列，内含完整算法思想和代码