递归与分治策略基本概念及思维导图

1.思维导图

第二章主要学习了递归与分治策略的相关内容，思维导图如下：

2. 递归

递归算法：直接或间接地调用自身的算法。用函数自身给出定义的函数称为递归函数。在计算机算法设计与分析中，递归技术是十分有用的。使用递归技术往往使函数的定义和算法的描述简捷且易于理解。有些数据结构，如二叉树等，由于其本身固有的递归特性，特别适合用递归的形式来描述。有些问题，虽然其本身并没有明显的递归结构，但用递归技术来求解，可使设计出的算法简捷易懂且易于分析。

构造递归算法的两个要素：边界条件、递归方程（递归函数）；递归函数构造是递归算法设计的核心。

递归算法时间复杂度分析主要方法：建立算法基本操作执行次数的递推关系式，之后通过建立递推序列通项的各种数学技巧进行计算。

举例分析阶乘函数时间复杂度：

方法1：阶乘函数可递归定义为

 递归函数的时间复杂度分析，常用递推分析法。

factorial(int n)
{
    if(n=0)return 1;
    else return n*factorial(n-1);
}

T(n)=T(n-1)+1，T(n)=T(n-2)+2，...，T(n)=T(1)+n-1=n，可推出：T(n)=O(n)

方法2：阶乘函数也可以找到相应的非递归方式定义

n！=1*2*3......(n-1)*n

非递归函数的时间复杂度分析，常用主语句频度统计法。

factorial(int n)
{
    if(n=0)return 1;
    else 
    {
        int p,i;
        for(p=1,i=1;i<=n;i++)
        {
            p=p*i;
        } 
        return p;
}

该函数使用单重循环，T(n)=O(n)

递归算法的表征简洁性可能会掩盖算法运行的低效率。

递归技术是设计分治算法的基础技术。

3. 分治法

分治法将难以直接解决的一个大问题，划分成一些规模较小的子问题，以便于各个击破，分而治之。

分治法所能解决的问题一般具有以下几个特征：

• 该问题的规模缩小到一定的程度就可以容易地解决；
• 该问题可以分解为若千个规模较小的结构自相似问题，即该问题具有最优子结构性质；
• 利用该问题分解出的子问题的解可以合并为该问题的解；
• 该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子问题。

这条特征涉及到分治法的效率，如果各子问题是不独立的，则分治法要做许多不必要的工作，重复地解公共的子问题，此时虽然也可用分治法，但一般用动态规划较好。

分治法将规模为n的问题分成a个规模为n/b的子问题去解。用T(n)表示该分治法解规模为 的问题所需的计算时间，则有：

通过迭代法求得：