|
任何事物都有好坏之分，算法也不例外。众所周知，时间复杂度与空间复杂度是算法评价的主要依据。那么，除了这两点外，组合算法的设计还应遵循怎样的原则呢？
1．通用性
通用性即可移植性。一个算法，是只适合于一个特殊问题，还是可以适用于一类问题，这是组合算法评价的一个主要依据，有些组合数学问题，许多信息学竞赛或数学建模竞赛选手一看到题目后往往使用模拟法或构造产生式系统[1]，然后用深度优先搜索（DFS），或广度优先搜索（BFS）求解，用这些方法设计的程序往往受到时间或空间的限制，而且由于在综合数据库中信息存储的数据结构不同，其算法实现时的规模[2]也不同，这必然影响到算法的通用性问题。解决问题的办法是对原问题进行数学抽象，取其精华，去其糟粕。只有对原问题的数学模型仔细分析，抓住本质，才能建立高效的组合算法，只有这种经过数学抽象的算法，才能具有较好的通用性，能够应付较大的规模。
另外，在大规模组合算法的设计过程中，强调通用性的好处是显而易见的，它便于算法的优化和升级。在实际应用中的某些条件改变时，可以重写较少的代码。从软件工程学的角度来说，通用性是必需的。
2．可计算性
这里指的可计算性，是指能够在多项式时间内得出结果。一般来说，对于递归函数来说，由于计算机系统中的空间一定，因此对问题的规模有较严格的限制（例如在Turbo Pascal 7.0系统中，栈的最大空间只有65520字节）因此说，对于大多数的递归函数具有较差的可计算性。通过组合方法，求递归函数的非递归形式是解决这类问题有主要方法，但并不是所有的递归函数都可转化为非递归形式，双递归函数（如Ackermann函数[3]）便不能转化为非递归形式，这类函数具有较小的可计算性。
当然，对于某些递归函数，通过寻找函数本身的组合意义进而将其转化为非递归函数也是一种方法。这种方法的应用读者将在后文中见到。
3、信息冗余量
在组合数学的建模过程中，大量的信息冗余是制约组合算法效率的一个重要因素，例如在递归程序运行的过程中，实际上产生了一棵解答树[4]，同一棵子树的结点间的信息不相互关联，这样便产生了大量的信息冗余，解决的方法之一便是引入记忆机制，将已得出的信息记录下来。这种机制实际上起到了剪枝的作用，但它严格受到空间的限制，实际上是时空矛盾在算法设计中的体现。这便是我们在组合算法设计中倡导函数非递归化的原因。它可以达到零信息冗余。
当然，组合算法的通用性、可计算性与信息冗余程度在一定程度上是对立的。例如双递归函数作为一种数学模型，能够反映一类问题，具有通用性，但却具有较差的可计算性和较大的信息冗余量，而有些问题虽具有较好的可计算性和较低的信息冗余量，却具有较差的通用性。总之，算法的时间复杂度，空间复杂度，通用性，可计算性和信息冗余量应是衡量组合算法的几个主要标准。
|
