数据结构--网课笔记（二）

绪论

迭代与递归

数组求和：迭代

减而治之：大问题划分为两个子问题——其一平凡，另一规模缩减。
数组求和：线性递归
算法执行时间为每个递归实例累计所需时间。

数组倒置
任给数组A[0, n)，将其前后颠倒
void reverse(int* A, int lo, int hi)
递归版
if(lo < hi)
{
swap(A[lo], A[hi]);
reverse(A, lo + 1, hi - 1);
}

分而治之
求解大规模的问题，将其分为若干子问题，规模大体相当。

数组求和：二分递归
求解sum(A, lo, hi)需递归求解sum(A, lo, mi)和sum(A, mi + 1, hi)

Max2:迭代1
循环找出最大值，然后最大值左边和右边循环找出第二大的值。

Max2:迭代2

void max2(int A[], int lo, int hi, int &x1, int &x2)
{
	if(A[x1 = lo] < A[x2 = lo + 1])
		swap(x1, x2);
	for(int i = lo + 2; i < hi; i++)
		if(A[x2] < A[i])
			if(A[x1] < A[x2 = i])
				swap(x1, x2);
}

动态规划

通过递归找出了算法的本质，初步了解后再将其等效地转化为迭代的形式。
递归版fib()低效，原因在于有大量递归实例被重复调用。
解决方法A：记忆法。将已计算的结果制表备查，
解决方法B：动态规划。由自顶下下的递归，改为自底向上的迭代。

LCS:递归
序列A[0, n]和B[0, m]
0)若m = -1 或 n = -1，则取空序列("")
1)若A[n] = ‘X’ = B[m]，则取作LCS(A[0, n), B[0, m)) + ‘X’
2)A[n]≠B[m]，则在LCS(A[0, n), B[0, m])与LCS(A[0, n], B[0, m))中取更长者

LCS:迭代

递归：设计出可行且正确的解
动态规划：消除重复计算，提高效率