关于动态规划算法，哪位可以讲一下自己心得体会
数据结构学习体会及教学建议时间过的很快，一转眼一学期的数据结构课程就已经快要告一段落了，在接触这么课以前，我觉得编程无非就是会写代码就好了。
然而事实上数据结构对于程序来说，有着非常重要的地位。
随着计算机应用领域的不断扩大，非数值计算的问题占据了当今计算机应用的绝大部分，简单的数据类型已经远远不能满足需要，个数据元素之间的复杂关系已经不是普通数学方程式能够表达的了，所以数据结构就扮演了十分重要的角色。
在学期初，我觉得数据结构还是比较简单的，但可能由于之前c语言学习对指针掌握的不够熟练，导致在数据结构中接触到与指针有关的问题，例如线性表，堆栈，队列，二叉树等问题的时候，都会显得有些吃力。
但是在不断学习数据结构的过程中我也不断加强了对指针的学习，现在我已经能够基本掌握指针的相关知识并且能够熟练运用了。
这一学期的学习下来我发现想要学好数据结构有以下几点经验{虽然可能我的数据结构学的并不是很好}1.初步了解算法思想、原理想要弄清楚一个算法的实现，首先要知道这个算法的大致原理，这是最简单的一步，也是最基础的一步，只有明白算法想要干什么，才能弄清楚相应的代码段是为什么2.钻研课本代码段对于书上的算法代码，我们一定要仔细钻研每一步的具体含义和目的，在此基础上深入的了解算法的实现过程，而不是一味的四级硬背，不仅无聊，而且效率低下。
3.查找各种算法资料例如排序算法，其实历史上有很多不同的排序算法，书上
请问能把你总结的算法复杂度排序发给我吗
谢谢
冒泡排序、选择排序、插入排序复杂度是O(N^2)，稳定快速排序、合并排序、堆排序复杂度是O(N*logN)，不稳定。
可以到网上搜一下或看一下《算法导论》。
算法设计与分析课程总结怎么写
、急急急
一、算法分析的基本方法二、算法设计的基本策略
各种SAR成像算法总结
各种SAR成像总结1SAR成像原理SAR成像处目的是要得到目标区域系数的分布，它是一个二维相关处理过程，通常可以分成距离向处理和方位向处理两个部分。
在处理过程中，各算法的区别在于如何定义雷达与目标的距离模型以及如何解决距离－方位耦合问题，这些问题直接导致了各种算法在成像质量和运算量方面的差异。
一般来说，忽略多普勒频移所引起的距离向相位变化，距离向处理变为一维的移不变过程且相关核已知，即退化为一般的脉冲压缩处理；同时将雷达与目标的距离按2阶Taylor展开并忽略高次项，则方位向处理也是一个一维的移不变过程，并退化为一般的脉冲压缩处理，这就是经典的距离多普勒（Range-DopplerRD）算法的实质。
若考虑多普勒频移对距离向相位的影响，同时精确的建立雷达与目标的距离模型，则不论距离向处理还是方位向处理都变为二维的移变相关过程。
线性调频尺度变换（Chirp-ScalingCS）算法即在此基础之上将二维数据变换到频域，利用ChirpScaling原理及频域的相位校正方法，对二维数据进行距离徙动校正处理、距离向及方位向的聚焦处理，最终完成二维成像处理。
当方位向数据积累延迟小于全孔径时间（即方位向为子孔径数据）的情况下，方位向处理必须使用去斜（dechirp）处理及频谱分析的方法。
在RD和CS算法的基础之上，采用dechirp处理及频谱分析的方法完成方位向处理的算法分别称为频谱分析（SPECAN）算法和扩展CS（ExtendedChirpScalingECS）算法。
1.1SAR成
学习数学建模的心得体会
一年一度的全国数学建模大赛在今年的9 月22 日上午8 点拉开战幕，各队将在3 天72 小时内对一个现实中的实际问题进行模型建立，求解和分析，确定题目后，我们队三人分头行动，一人去图书馆查阅资料，一人在网上搜索相关信息，一人建立模型，通过三人的努力，在前两天中建立出两个模型并编程求解，经过艰苦的奋斗，终于在第三天完成了论文的写作，在这三天里我感触很深，现将心得体会写出，希望与大家交流。
1. 团队精神：团队精神是数学建模是否取得好成绩的最重要的因素，一队三个人要相互支持，相互鼓励。
切勿自己只管自己的一部分（数学好的只管建模，计算机好的只管编程，写作好的只管论文写作），很多时候，一个人的思考是不全面的，只有大家一起讨论才有可能把问题搞清楚，因此无论做任何板块，三个人要一起齐心才行，只靠一个人的力量，要在三天之内写出一篇高水平的文章几乎是不可能的。
2. 有影响力的leader：在比赛中，leader 是很重要的，他的作用就相当与计算机中的CPU，是全队的核心，如果一个队的leader 不得力，往往影响一个队的正常发挥，就拿选题来说，有人想做A 题，有人想做B 题，如果争论一天都未确定方案的话，可能就没有足够时间完成一篇论文了，又比如，当队中有人信心动摇时（特别是第三天，人可能已经心力交瘁了），leader 应发挥其作用，让整个队伍重整信心，否则可能导致队伍的前功尽弃。
3. 合理的时间安排：做任何事情，合理的时间安排非常重要，建模也是一样，事先要做好一个规划，建模一共分十个板块（摘要，问题提出，模型假设，问题分析，模型假设，模型建立，模型求解，结果分析，模型的评价与推广，参考文献，附录）。
你每天要做完哪几个板块事先要确定好，这样做才会使自己游刃有余，保证在规定时间内完成论文，以避免由于时间上的不妥，以致于最后无法完成论文。
4. 正确的论文格式：论文属于科学性的文章，它有严格的书写格式规范，因此一篇好的论文一定要有正确的格式，就拿摘要来说吧，它要包括6 要素（问题,方法,模型,算法,结论,特色），它是一篇论文的概括，摘要的好坏将决定你的论文是否吸引评委的目光，但听阅卷老师说，这次有些论文的摘要里出现了大量的图表和程序，这都是不符合论文格式的，这种论文也不会取得好成绩，因此我们写论文时要端正态度，注意书写格式。
5. 论文的写作：我个人认为论文的写作是至关重要的，其实大家最后的模型和结果都差不多，为什么有些队可以送全国，有些队可以拿省奖，而有些队却什么都拿不到，这关键在于论文的写作上面。
一篇好的论文首先读上去便使人感到逻辑清晰，有条例性，能打动评委；其次，论文在语言上的表述也很重要，要注意用词的准确性；另外，一篇好的论文应有闪光点，有自己的特色，有自己的想法和思考在里面，总之，论文写作的好坏将直接影响到成绩的优劣。
6. 算法的设计：算法的设计的好坏将直接影响运算速度的快慢，建议大家多用数学软件（Mathematice,Matlab,Maple, Mathcad,Lindo,Lingo,SAS 等），这里提供十种数学建模常用算法，仅供参考：1、 蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法）2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中）6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具）8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）以上便是我这次参加这次数学建模竞赛的一点心得体会，只当贻笑大方，不过就数学建模本身而言，它是魅力无穷的，它能够锻炼和考查一个人的综合素质，也希望广大同学能够积极参与到这项活动当中来。
