第二章递归与分治策略知识总结

最新推荐文章于 2024-05-03 10:27:39 发布

ice123s

最新推荐文章于 2024-05-03 10:27:39 发布

阅读量494

点赞数 1

文章标签：算法数据结构机器学习

本文链接：https://blog.csdn.net/ice123s/article/details/127290894

版权

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言
一、思维导图
二、主要内容
总结

前言

本文用以对第二章的学习内容进行总结，进一步梳理递归与分治策略的相关内容。

一、思维导图

在这里插入图片描述

二、主要内容

1.递归的概念

直接或间接地调用自身的算法成为递归算法。
用函数自身给出定义的函数成为递归函数.
实例：
1.阶乘函数
在这里插入图片描述

2.Fibonacci数列
在这里插入图片描述

3.Ackerman函数
在这里插入图片描述

4.排列问题
在这里插入图片描述

5.整数划分问题
在这里插入图片描述

6.汉诺塔问题
在这里插入图片描述

2.分治法的基本思想

将一个规模为n的问题分解为k个规模较小的子问题，这些子问题互相独立且与原问题相同。递归地解决这些子问题，然后将各子问题合并得到原问题的解。
特征：

1.该问题的规模缩小到一定的程度就可以容易地解决
2.该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质。
3.利用该问题分解出的子问题的解可以合并为该问题的解；
4.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。

3.二分搜索技术

思想：
将n个元素分成个数大致相同的两半，取a[n/2]与x作比较。如果x=a[n/2]，则找到x，算法终止；如果x<a[n/2]，则只在数组a的左半部继续搜索x；如果x>a[n/2]，则只在数组a的右半部继续搜索x。
二分搜索技术充分利用了元素间的次序关系，采用分治策略，可最坏用 O ( l o g n ) O(logn) O(logn)时间完成搜索任务。
算法描述：
在这里插入图片描述
最坏时间复杂度： O（logn）

4.大整数乘法

思想：
将n位的X,Y各自都分成2段，每段长n/2位(假设n为2的幂次)，即 X = A ∗ 1 0 n / 2 + B X=A10^{n/2}+B X=A∗10n/2+B， Y = C ∗ 1 0 n / 2 + D Y=C10^{n/2}+D Y=C∗10n/2+D，则 X Y = A C ∗ 1 0 n + 1 0 n / 2 ∗ ( ( A − B ) ∗ ( D − C ) + A C + B D ) + B D XY=AC10ⁿ⁺¹⁰{n/2}((A-B)*(D-C)+AC+BD)+BD XY=AC∗10n+10n/2∗((A−B)∗(D−C)+AC+BD)+BD。即一次n位的整数乘法可以化简为三次n/2位的整数乘法与6次减法。通过减少乘法次数，提高算法效率。
时间复杂度：
在这里插入图片描述

5.Strassen矩阵乘法

思想：
使用分治法，将一个矩阵转换为子矩阵相乘的方式。矩阵乘法耗费时间要比矩阵加法耗费的时间多，想要改进矩阵乘法的计算时间复杂性，必须减少乘法运算。Strassen矩阵乘法用了7次对于n/2阶矩阵乘积的递归调用和18次n/2阶矩阵的加减运算。
时间复杂度：
在这里插入图片描述

6.棋盘覆盖

思想：
用分治策略，可以设计解棋盘覆盖问题的一个简捷的算法。当k>0时，将 2 k ∗ 2 k 2^k*2k 2k∗2k棋盘分割为4个 2 k − 1 ∗ 2 k − 1 2^{k-1}*2{k-1} 2k−1∗2k−1子棋盘。特殊方格必位于4个较小子棋盘之一中，其余3个子棋盘无特殊方格。为了将这3个无特殊方格的子棋盘转化为特殊棋盘，可以用一个L型骨牌覆盖这3个较小棋盘的会合处，这3个子棋盘上被L型骨牌覆盖的方格就成为该棋盘上的特殊方格，从而将原问题转化为4个较小规模的棋盘覆盖问题。递归地使用这种分割，直至棋盘简化为 1 ∗ 1 1*1 1∗1棋盘。
算法实现：
在这里插入图片描述

时间复杂度：

7.合并排序

思想：
合并排序算法是用分治策略实现对n个元素进行排序的算法，其基本思想是：将待排序的元素分成大小大致相同的两个集合，分别对两个子集合进行排序，最终将排好序的子集合并成要求的排好序的集合。
步骤：

（1）分解：将n个元素分成个含n/2个元素的子序列。
（2）解决：用合并排序法对两个子序列递归排序。
（3）合并：合并两个已排序的子序列已得到排序结果。

实现方式：
递归版本：

将待排序元素分成大小大致相同的两个子集合，分别对两个子集合进行排序，最终将排好序的子集合合并成要求的排好序的集合。
非递归版本：

递归版本的合并算法的递归过程只是将待排序集合一分为二，直至待排序集合只剩下一个元素为止，然后不断合并两个排好序的数组段。按此机制，可以先将数组中的相邻两元素两两配对，再用合并算法将它们排序，构成n/2组长度为2的排好序的子数组段，再将它们排序成长度为4的排好序的字数组段。如此下去，直至整个数组排好序。
复杂度分析：

最坏时间复杂度： O ( nlogn )
最好时间复杂度： O ( nlogn )
平均时间复杂度： O ( nlogn )
空间复杂度： O ( n )
稳定性：稳定

8.快速排序

思想：
快速排序使用分治的思想，通过一趟排序将待排序列分割成两部分，其中一部分记录的关键字均比另一部分记录的关键字小。之后分别对这两部分记录继续进行排序，以达到整个序列有序的目的。
步骤：

(1)选择基准：在待排序列中，按照某种方式挑出一个元素，作为 “基准”
(2)分割操作：以该基准在序列中的实际位置，把序列分成两个子序列。此时，在基准左边的元素都比该基准小，在基准右边的元素都比基准大
(3)递归处理：递归地对两个序列进行快速排序，直到序列为空或者只有一个元素。

基准选择：
（1）固定位置
取序列的第一个或最后一个元素作为基准
（2）随机化选择
随机取待排序列中任意一个元素作为基准
快速排序算法的性能取决于划分的对称性。而划分基准的随机选择，可以使期望划分变得较为对称。

时间复杂度：
最坏时间复杂度： O ( n 2 )
最好时间复杂度： O ( n l o g n )
平均时间复杂度： O ( n l o g n )
空间复杂度：根据实现方式的不同而不同
稳定性：不稳定

算法实现：
在这里插入图片描述

9.选择问题求第K小

（1）先排序(非降序)，再取第k个元素。

时间复杂度等于所选的排序算法的时间复杂度
（2）随机选择算法

利用随机划分算法思想将原问题划分为2个子问题，根据子问题所包含元素的位置来决定选择哪个子问题继续递归求解。最坏情况下需要O(n^2)得到答案，平均情况下，O(n)可得问题的解。
（3）线性时间选择算法(又称顺序统计算法)
算法思想：

如果能够找到一个划分基准，使得这个基准的划分的两个子数组的长度都至少是原来的ε倍（0 < ε < 1），则子问题的规模为 εn，那么最坏情况也能O（ n )解决问题。

算法步骤：

1.将n个元素划分成 ⌈n/5⌉组，每组5个元素，至多只有一组包含n mod 5个元素
2.通过每组排序，找出每组的中位数构成序列M
3.取序列M的中位数x(若序列有偶数，取两个中位数中较大者)
4.用x作为基准元素，对原n个元素进行划分，i为分裂点
5.若k<=j，则用前部分子问题递归求第k小元素；
6.若k>j，则用后部分子问题求第k-i小元素
7.j为前部分子问题元素的个数。

10.最接近点对问题

思想：
将所给的平面上n个点的集合S分为两个子集S1和S2(可以按照x坐标排序中分)，每个子集中约有n/2个点，然后在每个子集中递归地求其最接近的点对。最近点对可能单纯在S1或S2中，也可能分别在S1和S2中。对于这个问题，
一维：第三种情况只可能是最靠近中线的那两个点。
二维：取两个子集递归求解最小值为d，第三种情况只会发生在 ( mid - d , mid + d ) 内，这个范围，mid左边p1，mid右边p2，p1中每个点最多在p2中存在6个点会更新答案，即按照y坐标排序后，p1每点最多只要检查p2中排好序的相继6个点。

算法实现：
在这里插入图片描述
时间复杂度：