递归思想的介绍(阶乘函数,Fibonacci数列,Ackerman函数,整数划分问题,Hanoi塔问题)

本文链接：https://blog.csdn.net/qq_44766883/article/details/107034865

递归的概念

递归算法：直接或间接地调用自身的算法。
递归函数：用函数自身给出定义的函数。
使用递归技术使得算法的描述简捷且易于理解。

例1 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。

阶乘函数的递归调用算法：

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

例2 Fibonacci数列

无穷数列1，1，2，3，5，8，13，21，34，55，……，称为Fibonacci数列。它可以递归地定义为：

第n个Fibonacci数可递归地计算如下：

int fibonacci(int n)
{
     if (n <= 1) return 1;
     return fibonacci(n-1)+fibonacci(n-2);
}

前2例中的函数都可以找到相应的非递归方式定义：

但是,有的函数却无法找到非递归定义,比如Ackerman函数.

例3 Ackerman函数

n!趋向于正无穷的速度非常快，logn趋向无穷的速度则非常慢；
Ackerman函数:增长速度比n!快；比logn慢的多的函数；

当一个函数及它的一个变量是由函数自身定义时，称这个函数是双递归函数。

Ackerman函数A(n，m)定义如下：
在这里插入图片描述
A(n，m)的自变量m的每一个值都定义了一个单变量函数：

(1)m=0，n≥2时，A(n,0)=n+2

(2) m=1，n≥1时,A(n,1)=A(A(n-1,1),0)=A(n-1,1)+2=A(A(n-2,1),0)+2=A(n-2,1)+2+2=…=A(1,1)+2*(n-1),和A(1,1)=A(A(0,1),0)=A(1,0)=2, 故A(n,1)=2*n

(3) m=2时,A(n,2)=A(A(n-1,2),1)=2A(n-1,2)=…=2n-1A(1,2)和A(1,2)=A(A(0,2),1)=A(1,1)=2故A(n,2)=2n。

(4) m=3时，类似的可以推出
在这里插入图片描述

(5) m=4时，A(n,4)的增长速度非常快，以至于没有适当的数学式子来表示这一函数。

定义单变量的Ackerman函数A(n)为，A(n)=A(n，n)。

定义其拟逆函数α(n)为：

α(n)= min{k｜A(k)≥n}。

α(n)是使A(k)≥n成立的最小的k值。

如：A(0)=1，A(1)=2，A(2)=4和A(3)=16，可以得到α(1)=0，α(2)=1,α(3)=2,α(4)=2,α(5)=3‥ =α(16)=3

α(n)在复杂度分析中常遇到。对于通常所见到的正整数n，有α(n)≤4。

理论上α(n)没有上界，随着n的增加，它以难以想象的慢速度趋向正无穷大。

例4 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。
分析：前面的几个例子中，问题本身都具有比较明显的递归关系，易用递归函数直接求解。

本例若设p(n)为正整数n的划分数，则难以找到递归关系。

n=n1+n2+…+nk，其中n1≥n2≥…≥nk≥1，k≥1。

现考虑增加一个自变量：将最大加数n1≤m的划分个数记作q(n,m)(n和,m为一个数)。q(n,m)有如下递归关系：

(1) n≥1,m=1时，q(n,1)=1

当最大加数n1 ≤ 1时，任何正整数n只有一种划分形式，即：
在这里插入图片描述

(2) m≥n时，q(n,m)=q(n,n)

最大加数n1实际上不能大于n。因此，q(1,m)=q(1,1)=1

(3) m=n时，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。

(4) 1<m<n，q(n,m)=q(n,m-1)+w(n,m)
其中q(n,m-1)为n1≤m-1的划分个数，w(n,m)为n1=m的划分个数

正整数n的最大加数n1 ≤ m的划分,由n1≤m-1 的划分和n1=m的划分组成。

注意：正整数n的n1=m的所有划分形式为n=m+m1+…+mi where m ≥m1 ≥m2 … ≥ mi ≥1

That is, n-m =m1+…+mi

因此，n的n1=m的划分个数是w(n,m)=q(n-m, m)

因此，q(n,m)=q(n,m-1)+q(n-m, m)

q(n,m)递归关系:
在这里插入图片描述

例5 Hanoi塔问题

也可看这里,是一样的

问题描述

设A,B,C是3个塔座。开始时，在A上有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。

问题：现要求将A上的这一叠圆盘移到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：在满足规则1,2的前提下，可将圆盘移至A,B,C中任一塔座上。

解题思路

1. 将上面n-1个盘子从A座移到C座

2. 将1个盘子（最底下的、最大的盘子）从A座移到B座

3. 将n-1个盘子从C座移到B座

步骤

第一步：命令Y将n-1个盘子从A座移到C座

将n-1个, 借助塔座B, 从A移动到到C

在这里插入图片描述

第二步：X自己将1个盘子（最底下的、最大的盘子）从A座移到B座。

将1个从A移到B

在这里插入图片描述

第三步：再命令Y将个n-1盘子从C座移到B座。

将n-1个,借助A, 从C移动到B

在这里插入图片描述

递归求解分析

在问题规模较大时，较难找到一般的解法，因此用递归技术来解决这个问题。

当n=1时

问题比较简单。只要将编号1的圆盘从塔座A直接移至塔座B上即可。

当n＞1时，

用塔座B作为辅助，设法将n-1个较小的圆盘从塔座A移至C，然后，将剩下的最大圆盘从塔座A移至B。
借助塔座A, 设法将n-1个较小的圆盘从塔座C移至B。

由此可见，n个圆盘的移动问题可分为2次n-1个圆盘的移动问题，这又可以递归地用上述方法来做。

Transfer(n,a,b,c)表示将塔座a由大到小叠在一起的n个圆盘，借助塔座c，按照规则移至塔座b上。

Move(a,b)表示将塔座a上编号为n的圆盘移动到塔座b上。

算法


#include<iostream>

using namespace std;


void move(char x,char y)
{
 	cout<<x<<"---->"<<y<<endl;
}

void transfer(int n,char A,char B,char C){
      if(n==1){
            move(A,B);  //编号n的圆盘由A移到B
      }else{
            transfer(n-1,A,C,B); //借用B, (n-1)个由A移到C
            move(A,B);  //编号n的圆盘由A移到B
            transfer(n-1,C,B,A);  //借用A, (n-1)个由C移到B
      }
}



int main()
{
	 int n;
	cout<<"input your number: ";
	cin>>n;
	transfer(n,'A','B','C');
	return 0;

}

测试样例

输入
5

输出
A---->B
A---->C
B---->C
A---->B
C---->A
C---->B
A---->B
A---->C
B---->C
B---->A
C---->A
B---->C
A---->B
A---->C
B---->C
A---->B
C---->A
C---->B
A---->B
C---->A
B---->C
B---->A
C---->A
C---->B
A---->B
A---->C
B---->C
A---->B
C---->A
C---->B
A---->B
在这里插入图片描述