算法设计与分析求解设有n个活动的集合E={1,2,…,n},每个活动i（i∈E）都有一个要求使用公共资

时间复杂度
算法分析
同一问题可用不同算法解决,而一个算法的质量优劣将影响到算法乃至程序的效率.算法分析的目的在于选择合适算法和改进算法.一个算法的评价主要从时间复杂度和空间复杂度来考虑.
1、时间复杂度
（1）时间频度
一个算法执行所耗费的时间,从理论上是不能算出来的,必须上机运行测试才能知道.但我们不可能也没有必要对每个算法都上机测试,只需知道哪个算法花费的时间多,哪个算法花费的时间少就可以了.并且一个算法花费的时间与算法中语句的执行次数成正比例,哪个算法中语句执行次数多,它花费时间就多.一个算法中的语句执行次数称为语句频度或时间频度.记为T(n).
（2）时间复杂度
在刚才提到的时间频度中,n称为问题的规模,当n不断变化时,时间频度T(n)也会不断变化.但有时我们想知道它变化时呈现什么规律.为此,我们引入时间复杂度概念.
一般情况下,算法中基本操作重复执行的次数是问题规模n的某个函数,用T(n)表示,若有某个辅助函数f(n),使得当n趋近于无穷大时,T（n)/f(n)的极限值为不等于零的常数,则称f(n)是T(n)的同数量级函数.记作T(n)=O(f(n)),称O(f(n)) 为算法的渐进时间复杂度,简称时间复杂度.
在各种不同算法中,若算法中语句执行次数为一个常数,则时间复杂度为O(1),另外,在时间频度不相同时,时间复杂度有可能相同,如T(n)=n2+3n+4与T(n)=4n2+2n+1它们的频度不同,但时间复杂度相同,都为O(n2).
按数量级递增排列,常见的时间复杂度有：
常数阶O(1),对数阶O(log2n),线性阶O(n),
线性对数阶O(nlog2n),平方阶O(n2),立方阶O(n3),...,
k次方阶O(nk),指数阶O(2n).随着问题规模n的不断增大,上述时间复杂度不断增大,算法的执行效率越低.

冒泡~
所有元素都是排好的,一次赋值都木有

所有元素都是递减的,每次都赋值,(1+n-1)*(n-1)/2次

应该是(4(k^2)-1)/3

n!/(n^n)=(1/n)(2/n)……(n/n)

说下思路吧 都是用分治做的 取中点 x_i 看左右 x_{i-1} x_{i+1} 根据这三个点关系判断顶点在哪侧 之后递归处理那边用类似快排的思路 但用pivot做partition之后只用递归的处理一边 具体题主可以看一下《算法导论》 的顺序统计量那一章 有具体的算法和分析

如果我们将1,2,……n2按某种规则依次填入到方阵中,得到的恰好是奇次魔方阵,这个规则可以描述如下：
（1）首先将1填在方阵第一行的中间,即（1,（n+1）/2）的位置；
（2）下一个数填在上一个数的主对角线的上方,若上一个数的位置是（i,j）,下一个数应填在（i1,j1）,其中i1=i-1、j1=j-1.
（3）若应填写的位置下标出界,则出界的值用n 来替代；即若i-1=0,则取i1=n；若j-1=0,则取j1=n.
（4）若应填的位置虽然没有出界,但是已经填有数据的话,则应填在上一个数的下面（行加1,列不变）,即取i1=i+1,j1=j.
这样循环填数,直到把n*n个数全部填入方阵中,最后得到的是一个n阶魔方阵.
main( )
{int i,j,i1,j1,x,n,t,a[100][100];
print(“input an odd number:”);
input(n);
if (n mod 2=0) {print(“input error!”); return;}
for( i=1;i

λ^2-4λ+4=0
解得,λ1=λ2=2；
f（n）= （c1+nc2）2^n
然后代2值解出来c1,c2,就行了,
不会是理工学院的吧~!一同挂科好了

这个是利用分治思想来解
考点是快排
可以用二分法对原数组进行排序
快排(QuickSort)是一种基于分治思想的二分排序法.对于一段序列,我们先
选出一个划分元素,然后用线性的时间复杂度将大于和小于划分元素的元素
移动到划分元素的两边,再由划分元素处将序列拆分为两部分,分别进一步
处理.显然这里划分元素的选择决定了拆分序列的平均程度.
因为算法是二分的,每段序列的处理是线性的,易知时间复杂度为O(nlgn).
可是假设每一次选择的划分元素都是序列里最大或最小的,那么拆分的时间
复杂度也会变成线性的,所以快排在最坏情况下的时间复杂度为O(N^2).

上面那个完全是照搬别人的嘛,问题也都不一样的.关键点在于子规模与合并这间的关系

不太懂算法,不过swap在程序里通常指数组或集合中两个元素的交换
就像这样：
public static void swap(Object[] list, int m, int n) {
Object temp = list[m];
list[m] = list[n];
lsit[n] = temp;
}