ackerman函数

递归到非递归的转换

 

一. 为什么要转换
  考虑函数的递归,因为第N次与第N+1次调用所采用的栈不能重用,可能会导致多次调用后,进程分配的栈空间耗尽.
  解决的方法之一就是用自己可控制的栈代替函数调用栈,从而实现递归到非递归的转换.(用户栈当然必须是可以重用的,否则也就没有意义).
  我们将会发现,实际上用户栈相比函数调用栈来说,可以非常小下面就以ackerman函数为例
 
二.ackerman函数
已知Ackerman函数akm(m,n)定义如下:
当m=0时:         akm(m,n) = n + 1;
当m!=0, n=0时:   akm(m,n) = akm(m-1, 1);
当m!=0, n!=0时:  akm(m,n) = akm(m-1, akm(m, n-1));
  
(1) 根据定义,写出它的递归求解算法;
(2) 利用栈,写出它的非递归求解算法。
【解答】
(1) 已知函数本身是递归定义的,所以可以用递归算法来解决:
 unsigned akm ( unsigned m, unsigned n ) {
   if ( m == 0 ) return n+1;      // m == 0
     else if ( n == 0 ) return akm ( m-1, 1 );    // m > 0, n == 0
       else return akm ( m-1, akm ( m, n-1 ) );    // m > 0, n > 0
     }

(2) 为了将递归算法改成非递归算法.
首先改写原来的递归算法,将递归语句从结构中独立出来:
 unsigned akm ( unsigned m, unsigned n ) {
   unsigned v;
    if ( m == 0 ) return n+1;      // m == 0
    if ( n == 0 ) return akm ( m-1, 1 );       // m > 0, n ==0
    v = akm ( m, n-1 ) );        // m > 0, n > 0
   return akm ( m-1, v );
 }
 
然后,就是递归转非递归的标准流程:
a. 从一个简单的实例,分析其递归调用树
b. 分析哪些元素需要放在栈中
c. 跟踪递归调用过程,分析栈的变化
d. 由实例->普遍,演绎出算法,这一过程也称作建模
我们将会发现,建模是最困难的.

下面,我们就以ack(2,1)为例,开始分析递归调用树,采用一个栈记忆每次递归调用时的实参值,每个结点两个域{vm, vn}。对以上实例,递归树以及栈的变化如下:
 

 

 

相应算法如下
#include
#include
using namespace std;
typedef struct node_t {
 unsigned int vm, vn;
}node, *pnode;

unsigned akm ( unsigned int m, unsigned int n ) {
 std::stack st; 
 pnode w, w1;
 unsigned int v;
 unsigned int vt;

 

//根节点进栈
 w = (node *) malloc (sizeof (node));
 w->vm = m; 
  w->vn = n;
  st.push (w);
 
 do {
  //计算akm(m-1, akm(m, n-1))
  while ( st.top( )->vm > 0 ) {            
     vt = w->vn;
     //计算akm(m, n-1), 直到akm(m,0)
     while ( st.top()->vn > 0 )    
     {
       w1 = (node *) malloc (sizeof (node));
       vt --;
       w1->vn = vt;
       w1->vm = w->vm;
       st.push( w1 );
     }

     //把akm(m, 0)转换为akm(m-1, 1),并计算
     w = st.top( ); 
     st.pop( );   
     w->vm--; 
     w->vn = 1; 
     st.push( w );
     vt = w->vn;
  }

  //计算akm( 0, akm( 1, * ) )        
  w = st.top(); 
  st.pop( ); 
  w->vn++; 
  //计算v = akm( 1, * )+1
  v = w->vn;

  //如果栈不为空,改栈顶为( m-1, v )
  if (  !st.empty( ) )     
  {
      w = st.top(); 
      st.pop( );
      w->vm--; 
      w->vn = v; 
      st.push( w );
  }
 } while ( !st.empty( ) );
 return v;

int main()
{
 unsigned int rtn;
 rtn = akm(3,2);
 std::cout << rtn << std::endl;
 return 0;
}

 

三.小结

  主要难点在于最后的建模,怎样从一个或者几个实例,演绎出普适的数学模型,这是我做不到的,只有试图去理解,我想,勤能补拙只不过是一种安慰,真正创造性的工作,的确是聪明人的专利.另外一点感触就是,栈的应用可真是灵活啊!

 

 

 

 

在网上看到了一些人在找这个Ackerman函数 ,

不知道这个函数的实际含义,首先看到了他的递归形式:

注释部分是分析后的结果.

int rackerman(int m,int n)
{
  if(m==0) return n+1; //更新n值,
  else
    if(n==0) return rackerman(m-1,1); //分析后要入栈一次, 同时n更新为 1
    else
      return rackerman(m-1,rackerman(m,n-1));//要先入m-1,然后入m. 同时 n-1
 
}

于是我在纸上模拟了几次栈的进出,发现只用m值在栈中进进出出,而n值是不断更新的,最后返回的值也是n值的变化.

.下面是我的非递归函数:


int
myAckerman(int m , int n )
{
    list<int > listM;
    listM.push_back(m);

    while(! listM.empty() )
    {
        m=listM.back();
        listM.pop_back();

        if ( ! m )
        {
            n=n+1;
        }
        else if ( ! n )
        {
            m=m-1;
            n=1;
            listM.push_back(m);
        }
        else
        {   
            n=n-1;
            listM.push_back(m-1);
            listM.push_back(m);
        }
    }
    return n;
}

 

递归方法最简单,不需要说明。

  #include "stdafx.h"
#include <iostream>
#include "time.h"

using std::cout;
using std::endl;

 

unsigned int akm(unsigned int m , unsigned int n)
...{
    if(m==0) return n+1;
    else if( n==0 ) return akm(m-1,1);
    else return  akm(m-1, akm(m,n-1));

}


int main(int argc, char* argv[])
...{
   time_t x, y;
    x = time(0);
    cout<<"akm(1, 0) =  "<<akm(1,0)<<endl;
    y = time(0);
    cout <<"using time is " << difftime(y, x) <<endl;

    return 0;
}用for循环:
注意,申请的内存空间要足够大,反正我的计算机已经提出警告了,只能申请256M的内存。为什么要申请这么大的空间呢?由于ackerman是嵌套函数,他的值随时用来作为另外一个 函数的下标。因此,要申请足够的空间。不要以为只需要求ackerman(m, n)就for循环到m, n为止,这是错误的。
    #include "stdafx.h"
#include <iostream>

using std::cout;
using std::endl;

const int maxN = 8500;
static int akm[maxN][maxN] =...{0};


int Ackerman(int m, int n)
...{
  for(int j = 0; j <maxN; j++)
     akm[0][j] = j+1;
  for(int i = 1; i <maxN; i++)
  ...{
    akm[i][0] = akm[i-1][1];
    for(j = 1; j <= maxN; j++)
    ...{
       akm[i][j] = akm[i-1][akm[i][j-1]];
    }
  }
   return akm[m][n];
}
int main(int argc, char* argv[])
...{  
   
            cout<<"akm["<<3<<"]"<<"["<<9<<"]"<<" = "<<Ackerman(3, 9)<<endl;
             cout<<"akm["<<3<<"]"<<"["<<10<<"]"<<" = "<<Ackerman(3, 10)<<endl;

   
   
    return 0;
}
/

//以下方法被称为“备忘”。
可以,参看《算法导论》这本书的线性规划的后面部分。
同时必须指出:仍然申请的空间要足够的大,原因同上。否则要出错。
这个最多能算到ackerman(3,10) .内存大的应该还可以计算更大的。此种方法较为简单。

#include "stdafx.h"
#include <iostream>
#include "time.h"
const int maxN = 8500;
using std::cout;
using std::endl;

static int Ack[maxN][maxN];
void inint(void )
...{
    for(int i = 0; i <maxN; i++)
        for(int j = 0; j <maxN; j++)
            Ack[i][j] = 0;
}

int Ackerman(int m, int n)
...{  
    int t = 0;
    if(Ack[m][n] != 0)
        return Ack[m][n];
    if( m ==0 )
         return n+1;
    if ( n==0 )
         t = Ackerman(m-1, 1);
    if(m >=1 && n >= 1)...{
         Ack[m][n-1] = Ackerman(m, n-1);
         t = Ackerman(m-1, Ack[m][n-1]);
    }
   
   
    return  (Ack[m][n] = t);
}
int main(int argc, char* argv[])
...{ 
    time_t start, end;
    inint();
   
    start = time(0);
   
    for(int i = 0 ; i <= 3; i++)
        for(int j = 0; j <= 10; j++)
            cout<<"Ack["<<i<<"]"<<"["<<j<<"]"<<" = "<<Ackerman(i, j)<<endl;
    end = time(0);
    cout<<"using time is "<<difftime(end, start)<<endl;
   

   
    return 0;
}

 

Ackerman 函数的解法
1.定义

    ack(m,n) =  n+1                     m = 0
    ack(m,n) = ack(m-1,1)            m!=0  n = 0
    ack(m,n) = ack(m-1,ack(m,n-1))        m!=0  n!=0

2.示例
     ack(3,0) = (2,1) 
                 = (1,(2,0))
                 = (1,( 1,1))
                 = (1,(0,(1,0)))
                 = (1,(0,(0,1))
                 = (1,(0,2))
                 = (1,3)
                 = (0,(1,2))
                 =(0,(0,( 1,1))
                 ...
                 =(0,(0,3))
                 ...
                 = 5  

3.复杂性分析
 待解决,m>5后复杂度极高。


4.最简单的递归解法
//按照函数的递归定义即可

    int ack(int m, int n)
    {
         if (m == 0)
          return n+1;

         if (n == 0)
          return ack(m-1, 1);

         return ack(m-1, ack(m,n-1));

    }

5.去掉递归,用栈保存信息
/*
 *  n = 0 的时候往下递归其实只有一个递归分支,无需保留信息,可以用循环取代的
 *  而 对于 m!=0 && n!=0 的情况 注意到是一个迭代递归
 *  这其中 注意 我们用到 ack(m,n-1)的返回值作为 ack(m-1,x)的值
 *  事实上只需要m入栈,使得我们在进入到 ack(m,n-1)后最后能够返回出来计算 ack(m-1,x) x = ack(m,n-1)
 */

下面给出 带 goto 和不带 goto 语句的两种解法
int ack_goto(int m, int n)
{
int result;
stack<int> stk;

start:
if (m == 0)
{
result = n+1;
if (stk.empty())
{
goto end;
else
{
goto qiantao;
}
}
else if (n == 0)
{
m = m-1;
n = 1;
goto start;
}
else
{
m = m;
n = n-1;
stk.push(m);   //为了保留当期信息,只需保留m等待 右面嵌套返回结果继续
goto start;
qiantao:
m = stk.top();
stk.pop();
m = m-1;
n = result;
goto start;
}


end:
return result;
}



//机械式的对递归程序的用栈标准的非递归翻译
int ack_norec(int m, int n)
{
stack<int> stk;

stk.push(m);

while (!stk.empty())
{
m = stk.top();
stk.pop();
if (m == 0)
{
n = n+1;

}
else if (n == 0)
{
m = m-1;
n = 1;
stk.push(m);
}
else
{
m = m;
n = n-1;
stk.push(m-1);
stk.push(m);
}
}

return n;

}

5.对于以上基于定义用递归或是用栈消除递归的做法,有没有可能优化呢?
   对于示例 ack(3,0) 可以注意到 ack(1,1)出现了两次,对于上面的解法,ack(1,1)也就被计算了两次。
   事实上我们可以记录已经做好的中间结果,避免重复的递归,也就是所谓的剪枝。

    5.1递归加剪枝
        const int mMax = 5;
        const int nMax = 1000000;
        int ackV[mMax][nMax];
        bool got[mMax][nMax];       //注意全部初始为false

        int ack2(int m, int n)
        {
   if (m > mMax || n > nMax)
   {
cout << "error input too large" << endl;
exit(1);
   }
   if (got[m][n] == true)
return ackV[m][n];

   if (m == 0)
return n+1;
   if (n == 0 )
return ack2(m-1,1);

   ackV[m][n] = ack2(m-1,ack2(m,n-1));
   got[m][n] = true;
   return ackV[m][n];
        }
     
    5.2非递归算法的优化
         int ack_norec2(int m, int n)
        {
            if (m > mMax || n > nMax)
   {
cout << "error input too large" << endl;
exit(1);
   }

   stack<int> stk;
   stack<int> stk2;
   int result;
   bool flag = 0;

   stk.push(m);

   while (!stk.empty())
   {
                     if (n > nMax)
           {
       cout << "error input too large" << endl;
       exit(1);
           }
   m = stk.top();
   stk.pop();
  
   if (flag == 1)
   {
   if (got[m+1][stk2.top()] == false)
   {
     ackV[m+1][stk2.top()] = n;
   got[m+1][stk2.top()] = true;
   }
   stk2.pop();
   flag = 0;
   }
   if (got[m][n] == true)
   {
   n = ackV[m][n];   //退出口
           flag = 1;          //尽管不需要记录这个结果了但因为n已经被Push了要出栈
   continue;
   }

   if (m == 0)
   {
   n = n+1;          //退出口
   flag = 1;

   }
   else if (n == 0)
   {
   m = m-1;
   n = 1;
   stk.push(m);
   }
   else
   {
   m = m;
   n = n-1;
   stk.push(m-1);
   stk2.push(n);
   stk.push(m);
   }
       }

   return n;
        }

    
6.动态规划,记录前面的结果,空间换时间


   这么经典的递归函数不用递归来做,太可惜了。
不过在C语言中,一个函数是不能作为函数的形参进行传输的,只有特定的变量才能进行函数形参的传递.
这个函数用递归写成这样是错的吧??
#include<stdio.h>
int ack(int m,int n)
{
if(m==0) return (n+1);
else if(n==0) return ack(m-1,1);
else return ack(m-1,ack(m,n-1)); 
}
void main()
{
int m,n;
printf("input m n:/n");
scanf("%d %d",&m,&n);
    printf("ack(%d,%d)=%d/n",m,n,ack(m,n));
getch();
}
我写了个基于二维数组的消除递归的算法如下(也可以用栈消除递归)理论上这样可行,存储空间的范围定30*30以内:
#include<stdio.h>
#define MAX 30
/*范围定为30,可改大点*/
int Ackerman(int m,int n)
{
int i,j;
int t;
int a[MAX][MAX];/*存放结果*/
for(i=0;i<MAX;i++)
    for(j=0;j<20;j++)
        a[i][j]=0;  /*数组初始化*/
for(j=0;j<MAX;j++)
    a[0][j]=j+1;      /* A(m,n)=n+1,   若 m=0*/
while(a[m][n] == 0)  /*结果出来后结束循环*/
{
    for(i=0;i<MAX;i++)
        if(a[i-1][1]!= 0)
            a[i][0]=a[i-1][1];   /*  A(m,n)=[A(m-1,1), 若n=0 */
    for(i=1;i<MAX;i++)
       for(j=1;j<20;j++)
            {
            if((a[i][j-1] != 0)&&(a[i][j]==0) )
                {
                    t=a[i][j-1];
                    if((a[i-1][t] != 0))
                        a[i][j]=a[i-1][t];  /*  A(m-1,A(m,n-1)), 其他 */
                }
            }
}
return a[m][n];
}
int main()
{
int m,n;
printf("input m n:/n");
scanf("%d %d",&m,&n);
printf("ack(m,n)=%d/n",Ackerman(m,n));
return 0;
}

理论上一定会有结果,时间复杂度在MAX的四次方内.
但是实际上当m n稍微大点就会需要大于30的数组才能计算,尤其是m不能大(3以内).
否则很容易陷入死循环,
因为定义的数组不够大,硬件和时间限制,呵呵
当然不想死循环可以限制while循环次数为n*m,超过这个次数没结果的话基本就算不出来的了。


  • 3
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 6
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值