在归并排序和构建二叉树中,我们都是将原问题分解为两个规模为原问题一半的子问题。然而对于汉诺塔问题,我们采用不同的分解策略
给定三根柱子,记为
A、
B和
C。起始状态下,柱子
A上套着 n 个圆盘,它们从上到下按照从小到大的顺序排列。我们的任务是要把这 n 个圆盘移到柱子
C` 上,并保持它们的原有顺序不变(如图 12-10 所示)。在移动圆盘的过程中,需要遵守以下规则。
1. 圆盘只能从一根柱子顶部拿出,从另一根柱子顶部放入。
2. 每次只能移动一个圆盘。
3. 小圆盘必须时刻位于大圆盘之上。
我们将规模为 i 的汉诺塔问题记作 f(i) 。例如 f(3) 代表将 3 个圆盘从 A
移动至 C
的汉诺塔问题
1. 考虑基本情
对于问题 f(1) ,即当只有一个圆盘时,我们将它直接从 A
移动至 C
即可。
对于问题 f(2) ,即当有两个圆盘时,由于要时刻满足小圆盘在大圆盘之上,因此需要借助 B
来完成移动。
- 先将上面的小圆盘从
A
移至B
。 - 再将大圆盘从
A
移至C
。 - 最后将小圆盘从
B
移至C
。
解决问题 f(2) 的过程可总结为:将两个圆盘借助B
从A
移至C
。其中,C
称为目标柱、B
称为缓冲柱。
2. 子问题分解
对于问题 f(3) ,即当有三个圆盘时,情况变得稍微复杂了一些。
因为已知 f(1) 和 f(2) 的解,所以我们可从分治角度思考,将 A
顶部的两个圆盘看作一个整体,执行图 12-13 所示的步骤。这样三个圆盘就被顺利地从 A
移至 C
了。
- 令
B
为目标柱、C
为缓冲柱,将两个圆盘从A
移至B
。 - 将
A
中剩余的一个圆盘从A
直接移动至C
。 - 令
C
为目标柱、A
为缓冲柱,将两个圆盘从B
移至C
。
从本质上看,我们将问题 f(3) 划分为两个子问题 f(2) 和一个子问题 f(1) 。按顺序解决这三个子问题之后,原问题随之得到解决。这说明子问题是独立的,而且解可以合并。
至此,我们可总结出图 12-14 所示的解决汉诺塔问题的分治策略:将原问题 f(n) 划分为两个子问题 f(n−1) 和一个子问题 f(1) ,并按照以下顺序解决这三个子问题。
- 将 n−1 个圆盘借助
C
从A
移至B
。 - 将剩余 1 个圆盘从
A
直接移至C
。 - 将 n−1 个圆盘借助
A
从B
移至C
。
对于这两个子问题 f(n−1) ,可以通过相同的方式进行递归划分,直至达到最小子问题 f(1) 。而 f(1) 的解是已知的,只需一次移动操作即可。 - 代码实现
在代码中,我们声明一个递归函数dfs(i, src, buf, tar)
,它的作用是将柱src
顶部的 i 个圆盘借助缓冲柱buf
移动至目标柱tar
:
/* 移动一个圆盘 */
void move(vector<int> &src, vector<int> &tar) {
// 从 src 顶部拿出一个圆盘
int pan = src.back();
src.pop_back();
// 将圆盘放入 tar 顶部
tar.push_back(pan);
}
/* 求解汉诺塔问题 f(i) */
void dfs(int i, vector<int> &src, vector<int> &buf, vector<int> &tar) {
// 若 src 只剩下一个圆盘,则直接将其移到 tar
if (i == 1) {
move(src, tar);
return;
}
// 子问题 f(i-1) :将 src 顶部 i-1 个圆盘借助 tar 移到 buf
dfs(i - 1, src, tar, buf);
// 子问题 f(1) :将 src 剩余一个圆盘移到 tar
move(src, tar);
// 子问题 f(i-1) :将 buf 顶部 i-1 个圆盘借助 src 移到 tar
dfs(i - 1, buf, src, tar);
}
/* 求解汉诺塔问题 */
void solveHanota(vector<int> &A, vector<int> &B, vector<int> &C) {
int n = A.size();
// 将 A 顶部 n 个圆盘借助 B 移到 C
dfs(n, A, B, C);
}
汉诺塔问题形成一棵高度为 n 的递归树,每个节点代表一个子问题,对应一个开启的 dfs()
函数,因此时间复杂度为 O(2n) ,空间复杂度为 O(n) 。