算法设计与分析课程论文五篇范文
第一篇：算法设计与分析课程论文
“卓越工程师教育培养计划”(简称卓越计划)旨在培养一批创新能力强、适应经济社会发展需要的高质量工程技术人才。在南通大学计算机科学与技术学院制定的软件工程专业卓越工程师的培养计划中，算法设计与分析被设置为一门核心必修课程。通过该门课程的系统授课，重点培养学生的计算机问题求解能力，该能力是软件工程专业学生成长为卓越工程师必备的一项核心竞争力。一个典型的计算机问题的求解一般需要经历5个阶段:①问题的分析和建模;②算法设计方法和相应数据结构的选择;③算法的实现;④算法的正确性证明和复杂度分析;⑤算法实现的优化等。
经过多轮的教学实践发现，学生之间水平参差不齐是教学过程中面临的最大问题。随着高校招生规模的不断增大，不同学生之间在基础知识、智力水平、兴趣爱好、学习动机和学习方法上存在较大的差异性。相同的教学内容，对于一些基础较好的学生来说理解难度不大，但对于一些基础较弱的学生来说，则难以理解。因此，如何尊重学生个性差异、发展学生个性特长，在考虑学生整体发展的同时兼顾学生的个性特长发展，从而最终提高各个层次学生的综合素质是
算法设计与分析课程的教学改革实践中需要重点关注的问题。
通过多次与学生的深入交流发现，学生在这门课程的学习过程中面临如下问题:
1）课程教学内容难度高。课程需要学生掌握常见的算法设计策略，如分治法、动态规划法和贪婪法等，对设计出的算法能进行正确性证明和复杂度分析。很多知识点抽象层次高，需要学生具备一定的数学分析能力，同时，通常算法内部逻辑比较复杂，因此需要学生具备较强的编程功底。笔者在讲授这些知识点时，均假设学生具备一定的数学分析能力和编程基础，但实际情况却不容乐观，很多学生在大一和大二的时候并未重视相关课程的学习，很多知识点都已经还给授课老师，在课堂上需要花费一定时间帮助学生回忆这些知识点。同时，部分学生因编程经验较为匾乏，难以顺利地将伪代码转化成可运行的程序代码。
2)学生问题求解能力弱。为辅助学生对知识点的理解，授课老师一般在实例选择时均采用一些经典实例，例如归并排序、最小生成树等。这些问题在一些预修课程(例如高级程序设计语言或数据结构)中均进行过讲解，因此理解起来难度不大。但是，学生在上机实践时，面对老师布置的新问题，却很难将学到的知识进行灵活运用，难以选择合理的算法设计策略，并借助熟悉的高级编程语言去解决。
3)学生自主学习意识薄弱。该门课程本身课时较少(仅有犯学时)，其中8学时为上机实践，在剩余的24学时内，仅能讲授基本的算法设计与分析策略。学生即使了解常见的算法设计与分析方法，但现实生活中问题千变万化，更需要学生灵活使用学到的知识。因此，要提高学习效果和实践能力，需要学生在课外花费更多时间，阅读相关资料和进行大量编码。但是，授课过程中发现，真正能够完成自主学习的学生并不多。一方面，很多学生长期受应试教育的影响，习惯于填鸭式的教学模式，同时，学习时具有较强的功利性，很多学生普遍有应付考试和及格万岁的思想，有的学生甚至为了应付老师的作业检查，大量抄袭作业，仅做一些表面上的修改来敷衍了事。另一方面，即使有少量同学对新知识比较好奇，愿意自己去积极探索，但在选择相关经典资料时经验不足、效率较低，因此，需要有经验的老师进行有效引导。
目前高校很多教室都配有多媒体设备，造成大部分专业课程均采用多媒体课件方式进行授课。多媒体课件虽然具有丰富的表现力、良好的交互性和较高的共享性，但与其他核心专业课程相比，算法设计与分析课程的理论程度更高，数学推导较多，因此笔者认为，采用板书为主的教学方式可能会效果更好。为验证该推测，对Leiserson教授和Demaine教授开设的麻省理工学院公开课的在线视频进行分析，发现他们在授课时，绝大部分教学内容均采用板书
方式进行讲解，通过在黑板上一步一步地推导，在一些关键节点上与学生充分交互，使得学生可以更好地掌握算法设计与分析过程中的一些重要技巧。笔者在实际教学中通过精心设计板书，取得了较好的课堂效果。
综上所述，在学生水平参差不齐的情况下，针对算法课程教学中存在的问题，提出了一系列教学改革措施以提高不同层次学生的计算机问题求解能力。其中将教学问题与教学改革措施的对应关系，以及教学改革措施与不同层次学生的对应关系进行总结。而且具备良好的交叉学科基础和文化底蕴，能培养出满足市场需要的复合型人才。
如何使相关专业的教育教学满足将来ICT产业的发展是个相当复杂的问题，希望笔者提出的一些改进措施能对信息科学相关专业的工程教育具有参考意义，并对其他领域也有借鉴之处。
第二篇：算法设计与分析课程的心得体会
《算法设计与分析》课程的心得体会
以最少的成本、最快的速度、最好的质量开发出合适各种各样应用需求的软件，必须遵循软
件工程的原则，设计出高效率的程序。一个高效的程序不仅需要编程技巧，更需要合理的数据组织和清晰高效的算法。这正是计算机科学领域里数据结构与算法设计所研究的主要内容。一些著名的计算机科学家认为，算法是一种创造性思维活动，并且处于计算机科学与技术学科的核心。
在计算机软件专业中算法分析与设计是一门非常重要的课程，很多人为它如痴如醉。很多问题的解决，程序的编写都要依赖它，在软件还是面向过程的阶段，就有程序=算法+数据结构这个公式。算法的学习对于培养一个人的逻辑思维能力是有极大帮助的，它可以培养我们养成思考分析问题，解决问题的能力。
如果一个算法有缺陷，或不适合某个问题，执行这个算法将不会解决这个问题。不同的算法可能用不同的时间、空间或效率来完成同样的任务。一个算法的优劣可以用空间复杂性和时间复杂度来衡量。算法可以使用自然语言、伪代码、流程图等多种不同的方法来描述。
计算机系统中的操作系统、语言编译系统、数据库管理系统以及各种各样的计算机应用系统中的软件，都必须使用具体的算法来实现。
算法设计与分析是计算机科学与技术的一个核心问题。因此，学习算法无疑会增强自己的竞争力，提高自己的修为，为自己增彩。
那么，什么是算法呢？算法是指解决问题的方法或过程。算法满足四个性质，即输入、输出、确定性和有限性。为了了解算法，这个学期马老师带我们走进了算法的世界。
数据结构与算法论文马老师这学期提出不少实际的问题，以及解决问题的算法。我在此只说比较记忆深刻的问题，即0-1背包的问题。
0-1背包问题可以描述为：给定一组物品，每种物品都有自己的重量和价格，在限定的总重量内，我们如何选择，才能使得物品的总价格最高。问题的名称来源于如何选择最合适的物品放置于给定背包中。
首先，0-1背包问题具有最优子结构性质和子问题重叠性质，适于采用动态规划方法求解。动态规划算法与分治法类似，其基本思想是将待求解问题分解成若干个子问题，然后从这些子问题的解得到原问题的解。与分治法不同的是，用动态规划法求解的问题，经分解得到的子问题往往不是互相独立的，若用分治法解这类问题，则分解得到的子问题数目太多，以至
于最后解决原问题需要耗费过多的时间。动态规划法又和贪婪算法有些一样，在动态规划中，可将一个问题的解决方案视为一系列决策的结果。不同的是，在贪婪算法中，每采用一次贪婪准则便做出一个不可撤回的决策，而在动态规划中，还要考察每个最优决策序列中是否包含一个最优子序列。
用动态规划法解决问题的思路如下：
最优决策序列由最优决策子序列组成。假设f(i,y)表示剩余容量为y，剩余物品为i, i+1, „, n时的最优解的值，即：
f(n,y)= Pn,if y≥Wn f(n,y)= 0, if 0≤y≤Wn 和
f(i,y)=max(f(i+1,y),f(i+1,y-Wi)+Pi)y≥Wi f(i,y)=f(i+1,y)0≤y≤Wi 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y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y的背包中”，价值为f[i-1][y]；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y-Wi的背包中”，此时能获得的最大价值就是f[i-1][y-Wi]再加上通过放入第i件物品获得的价值Pi。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。