0、目录
1、算法概念与设计分析
对这k个子问题分别求解。如果子问题的规模仍然不够小,则再划分为k个子问题,如此递归的进行下去,直到问题规模足够小,很容易求出其解为止。
将求出的小规模的问题的解合并为一个更大规模的问题的解,自底向上逐步求出原来问题的解。
分治法的设计思想是,将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。
直接或间接地调用自身的算法称为 递归算法。用函数自身给出定义的函数称为 递归函数。
递归有两种
- 直接递归:自己调用自己
- 间接递归:A调用B,B调用A
//直接递归:自己调用自己
A(){
…
A();
…
}
//间接递归:A调用B,B调用A
A(){
…
B();
…
}
B(){
…
A();
…
}
由分治法产生的子问题往往是原问题的较小模式,这就为使用递归技术提供了方便。在这种情况下,反复应用分治手段,可以使子问题与原问题类型一致而其规模却不断缩小,最终使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。
分治与递归像一对孪生兄弟,经常同时应用在算法设计之中,并由此产生许多高效算法。
怎么写递归函数:
- 相同的事情交给相同的函数做。
- 当你在写函数A()时,如果又碰到了同样的事情时,就直接调用自己。
- 已找到递归方程(两边都有同一个函数),可以用递归。如n!、Fibonacci数列等。
- 没有递归方程的话(例如不是要求算某个数,而是要求做某些事),你要找出分解后小规模问题与原问题的相似之处。如Hanoi塔、全排列; 有时需要利用递归调用、返回的顺序特征。
- 一个返回值的话,就直接return;多个的话,作为函数的参数。参数中需要改变的量应该采用引用调用,例如&max,&min。
- 别忘了边界条件—出口。
递归的优缺点:
优点: 结构清晰,可读性强,而且容易用数学归纳法来证明算法的正确性,因此它为设计算法、调试程序带来很大方便。
缺点: 递归算法的运行效率较低,无论是耗费的计算时间还是占用的存储空间都比非递归算法要多。
分治法的适用条件:
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干个规模较小的相同问题
- 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,即子问题之间不重复。
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。
分治法的基本步骤:
divide-and-conquer(P)
{
if ( | P | <= n0) adhoc(P); //解决小规模的问题
divide P into smaller subinstances P1,P2,...,Pk;//分解问题
for (i=1,i<=k,i++)
yi=divide-and-conquer(Pi); //递归的解各子问题
return merge(y1,...,yk); //将各子问题的解合并为原问题的解
}
人们从大量实践中发现,在用分治法设计算法时,最好使子问题的规模大致相同。即将一个问题分成大小相等的k个子问题的处理方法是行之有效的。这种使子问题规模大致相等的做法是出自一种 平衡(balancing)子问题 的思想,它几乎总是比子问题规模不等的做法要好。
分治法的复杂性分析:
一个分治法将规模为n的问题分成k个规模为n/m的子问题去解。设分解阈值n0=1,且adhoc解规模为1的问题耗费1个单位时间。再设将原问题分解为k个子问题以及用merge将k个子问题的解合并为原问题的解需用f(n)个单位时间。用T(n)表示该分治法解规模为|P|=n的问题所需的计算时间,则有:
通过迭代法求得方程的解:
2、例题
2.1 阶乘
例: 阶乘函数
阶乘函数可递归地定义为:
边界条件与递归方程是递归函数的二个要素,递归函数只有具备了这两个要素,才能在有限次计算后得出结果。边界条件一般为显式的,例如if()…
递归过程与工作栈:
- 递归过程在实现时,需要自己调用自己。
- 每一次递归调用时,需要为过程中使用的参数、局部变量、返回地址等另外分配存储空间。
- 层层向下递归,退出时的次序正好相反:
递归次序-------------------------------->
n! --> (n-1)! --> (n-2)! --> 1! --> 0!=1
<---------------------------------- 返回次序 - 因此,每层递归调用需分配的空间形成递归工作记录,按后进先出的栈组织存取。
n的阶乘完整代码:
#include<stdio.h>
int fact (int n) {
if(n==1) return 1;
else return(n*fact(n-1));
}
int main(){
int n;
scanf("%d", &n);
printf("%d\n",fact(n));
return 0;
}
2.2 Hanoi塔
例:Hanoi塔问题
设a,b,c是3个塔座。开始时,在塔座a上有一叠共n个圆盘,这些圆盘自下而上,由大到小地叠在一起。各圆盘从小到大编号为1,2,…,n,现要求将塔座a上的这一叠圆盘移到塔座b上,并仍按同样顺序叠置。在移动圆盘时应遵守以下移动规则:
规则1:每次只能移动1个圆盘;
规则2:任何时刻都不允许将较大的圆盘压在较小的圆盘之上;
规则3:在满足移动规则1和2的前提下,可将圆盘移至a,b,c中任一塔座上。
Hanoi塔问题(递归的关键是分解为同结构的小问题)
Hanoi塔问题完整代码:
#include <stdio.h>
void Hanoi(int n, char A, char B, char C) {
if(n==1) {
printf("%c->%c\n", A, C);
} else {
Hanoi(n-1, A, C, B);
printf("%c->%c\n", A, C);
Hanoi(n-1, B, A, C);
}
}
int main(void) {
int n; //n为盘子的个数
scanf("%d", &n);
Hanoi(n, '1', '2', '3');
return 0;
}
2.3 整数划分
例:整数划分问题
将正整数n表示成一系列正整数之和:n=n1+n2+…+nk,其中n1≥n2≥…≥nk≥1,k≥1。正整数n的这种表示称为正整数n的划分。求正整数n的不同划分个数。
例如:正整数6有如下11种不同的划分:
6;
5+1;
4+2,4+1+1;
3+3,3+2+1,3+1+1+1;
2+2+2,2+2+1+1,2+1+1+1+1;
1+1+1+1+1+1。
n=n1+n2+…+nk,其中n1≥n2≥…≥nk≥1,k≥1
前面的几个例子中,问题本身都具有比较明显的递归关系,因而容易用递归函数直接求解。
在本例中,如果设p(n)为正整数n的划分数,则难以找到递归关系,因此考虑增加一个自变量:将sum中最大加数n1不大于m的划分个数记作q(n,m)。
可以建立q(n,m)的如下递归关系。
(1) q(n,1)=1,n ≥ 1;
当最大加数n1不大于1时,任何正整数n只有一种划分形式,即
(2) q(n,m)=q(n,n),m ≥ n;
最大加数n1实际上不能大于n。因此,q(1,m)=1。
将sum中最大加数n1 ≤ m的划分个数记作q(n,m)
(3) q(n,n)=1+q(n,n-1);
正整数n的划分由n1=n的划分和n1≤n-1的划分组成(n1不可能大于n)。
q(6,6)=1+q(6,5)
(4) q(n,m)=q(n,m-1)+q(n-m,m),n>m>1;
正整数n的最大加数n1不大于m的划分由n1=m的划分和
n1≤m-1 的划分组成(思路同(3) )。
q(6,3)=q(6,2)+q(6-3,3)
q(n-m,m): n=m+n2+…, n2<=n1=m
n=n1+n2+…+nk,其中n1≥n2≥…≥nk≥1,k≥1
正整数n的划分数p(n)=q(n,n)。
整数划分问题完整代码:
#include<stdio.h>
int q(int n,int m){
if(n==1 || m==1){
return 1;
}else if(n > m){
return q(n-m,m)+q(n,m-1);
}else if(n < m){
return q(n,n);
}else{
return 1+q(n,n-1);
}
}
int main(){
int n;
scanf("%d",&n);
printf("%d\n",q(n,n));
return 0;
}