Ackerman函数 非递归 java_Ackerman函数的非递归实现.

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;

}

在网上找到了如下的介绍,原来类似于Fibonacci数列,也是一个计算机算法的经典题 :

Ackerman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(m，n)定义如下：

┌ n+1　　　 当m=0时

AKM ( m , n ) = | AKM( m-1 ,1) 当m≠0 ，n=0时

└ AKM( m-1, AKM( m,n-1)) 当m≠0, n ≠ 0时

Ackerman函数却无法找到非递归的定义。

⑵. 问题解法按递归算法实现。例如回溯等。

⑶. 数据的结构形式是按递归定义的。如树的遍历, 图的搜索等。

A(n，m)的自变量m的每一个值都定义了一个单变量函数：

M=0时，A(n,0)=n+2

M=1时，A(n,1)=A(A(n-1,1),0)=A(n-1,1)+2，和A(1,1)=2故A(n,1)=2*n

M=2时，A(n,2)=A(A(n-1,2),1)=2A(n-1,2)，和A(1,2)=A(A(0,2),1)=A(1,1)=2，故A(n,2)= 2^n 。

M=3时，类似的可以推出

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}。即α(n)是使n≤A(k)成立的最小的k值。

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。但在理论上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。

A(n，m)的自变量m的每一个值都定义了一个单变量函数：

M=0时，A(n,0)=n+2

M=1时，A(n,1)=A(A(n-1,1),0)=A(n-1,1)+2，和A(1,1)=2故A(n,1)=2*n

M=2时，A(n,2)=A(A(n-1,2),1)=2A(n-1,2)，和A(1,2)=A(A(0,2),1)=A(1,1)=2，故A(n,2)= 2^n 。

M=3时，类似的可以推出

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}。即α(n)是使n≤A(k)成立的最小的k值。

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。但在理论上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。

下面是树形分析方法,虽然这种方法多一倍的存储,但是方法性还是有推广意义的.

来自:http://blog.sina.com.cn/s/blog_48ebca64010008yq.html