递归
半数集
给定一个自然数n,由n开始可以依次产生半数集set(n)中的数如下。
(1) n∈set(n);
(2) 在n的左边加上一个自然数,但该自然数不能超过最近添加的数的一半;
(3) 按此规则进行处理,直到不能再添加自然数为止。
例如,set(6)={6,16,26,126,36,136}。
半数集set(6)中有6个元素。
- 注意半数集是多重集。
对于给定的自然数n,编程计算半数集set(n)中的元素个数。
设set(n)中的元素个数为f(n) ,则显然有:
数字12为例:
递归算法:
int comp(int n)
{
int ans=1;
if (n>1) for(int i=1;i<=n/2;i++)
ans+=comp(i);
return ans;
}
算法中显然有很多重复的子问题计算。
使用数组存储忆计算过的结果,避免重复计算,可明显改进算法的效率。
递归算法—记忆式搜索:
int a[1001];
int comp(int n)
{
int ans=1;
if(a[n]>0)return a[n]; //已经计算
for(int i=1;i<=n/2;i++)
ans+=comp(i);
a[n]=ans; //保存结果
return ans;
}
整数因子分解
大于1的正整数n可以分解为:
n=X1 * X2 * … * Xm
当n=12时,共有8种不同的分解式:
对于给定的正整数n,编程计算n共有多少种不同的分解式。
- 输入
数据有多行,给出正整数n(1≤n≤2000000000)。 - 输出
每个数据输出1行,是正整数n的不同的分解式数量。
#include<bits/stdc++.h>
using namespace std;
int total;
void solve(int n) {
if(n==1){
total++;
}
else{
for(int i=2;i<=n;i++){
if(n%i==0){
solve(n/i);
}
}
}
}
int main(){
int n;
while(cin>>n)
{
total = 0;
solve(n);
cout<<total<<endl;
}
return 0;
}
分治
最大子段和
给定由n个整数组成的序列(a1, a2, …, an),最大子段和问题要求该序列形如
的最大值(1≤i≤j≤n),当序列中所有整数均为负整数时,其最大子段和为0。例如,序列(-20, 11, -4, 13, -5, -2)的
最大子段和为:
最大子段和问题的分治策略是:
(1)划分:按照平衡子问题的原则,将序列(a1, a2, …, an)划分成长度相同的两个子序列(a1, …, a⌊n/2⌋)和 (a⌊n/2⌋+1, …, an),则会出现以下三种情况:
① a1, …, an的最大子段和=a1, …,a⌊n/2⌋的最大子段和;
② a1, …, an的最大子段和=a⌊n/2⌋+1, …, an的最大子段和;
③ a1, …, an的最大子段和= ,且
(2)求解子问题:对于划分阶段的情况①和②可递归求解,情况③需要分别计算
则s1+s2为情况③的最大子段和。
(3)合并:比较在划分阶段的三种情况下的最大子段和,取三者之中的较大者为原问题的解。
#include<bits/stdc++.h>
using namespace std;
int MaxSum(int a[ ],int left,int right){
int sum=0;
if(left==right){
if(a[left]>0){
sum=a[left];
}else{
sum=0;
}
}else{
int center=(left+right)/2;
int leftsum=MaxSum(a,left,center); //对应情况①,递归求解
int rightsum=MaxSum(a,center+1,right);
int s1=0,lefts=0;
for(int i=center;i>=left;i--){
lefts+=a[i];
if(lefts>s1){
s1=lefts;
}
}
int s2=0,rights=0;
for(int j=center+1;j<=right;j++){
rights+=a[j];
if(rights>s2){
s2=rights;
}
}
sum=s1+s2;
if(sum<leftsum){
sum=leftsum;
}
if(sum<rightsum){
sum=rightsum;
}
}
return sum;
}
int main(){
int x,a[1001];
cin>>x;
for(int i=1;i<=x;i++){
cin>>a[i];
}
cout<<MaxSum(a,1,x)<<endl;
}
时间复杂性O(nlog2n)
循环赛日程安排
设有n=2k个选手要进行网球循环赛,要求设计一个满足以下要求的比赛日程表:
(1)每个选手必须与其他n-1个选手各赛一次;
(2)每个选手一天只能赛一次。
按此要求,可将比赛日程表设计成一个 n 行n-1列的二维表,其中,第 i 行第 j 列表示和第 i 个选手在第 j 天比赛的选手。
按照分治的策略,可将所有参赛的选手分为两部分,n=2k个选手的比赛日程表就可以通过为n/2=2k-1个选手设计的比赛日程表来决定。递归地执行这种分割,直到只剩下2个选手时,比赛日程表的制定就变得很简单:只要让这2个选手进行比赛就可以了。
显然,这个求解过程是自底向上的迭代过程,其中左上角和左下角分别为选手1至选手4以及选手5至选手8前3天的比赛日程,据此,将左上角部分的所有数字按其对应位置抄到右下角,将左下角的所有数字按其对应位置抄到右上角,这样,就分别安排好了选手1至选手4以及选手5至选手8在后4天的比赛日程,如图©所示。具有多个选手的情况可以依此类推。
这种解法是把求解2k个选手比赛日程问题划分成依次求解21、22、…、2k个选手的比赛日程问题,换言之,2k个选手的比赛日程是在2k-1个选手的比赛日程的基础上通过迭代的方法求得的。在每次迭代中,将问题划分为4部分:
(1)左上角:左上角为2k-1个选手在前半程的比赛日程;
(2)左下角:左下角为另2k-1个选手在前半程的比赛日程,由左上角加2k-1得到,例如22个选手比赛,左下角由左上角直接加2得到,23个选手比赛,左下角由左上角直接加4得到;
(3)右上角:将左下角直接抄到右上角得到另2k-1个选手在后半程的比赛日程;
(4)右下角:将左上角直接抄到右下角得到2k-1个选手在后半程的比赛日程;
算法设计的关键在于寻找这4部分元素之间的对应关系。
void GameTable(int k, int a[ ][ ])
{
// n=2k(k≥1)个选手参加比赛,
//二维数组a表示日程安排,数组下标从1开始
n=2; //k=0,2个选手比赛日程可直接求得
//求解2个选手比赛日程,得到左上角元素
a[1][1]=1; a[1][2]=2;
a[2][1]=2; a[2][2]=1;
for (t=1; t<k; t++)
//迭代处理,依次处理22, …, 2k个选手比赛日程
{
temp=n; n=n*2;
//填左下角元素
for (i=temp+1; i<=n; i++ )
for (j=1; j<=temp; j++)
a[i][j]=a[i-temp][j]+temp;
//左下角元素和左上角元素的对应关系
//填右上角元素
for (i=1; i<=temp; i++)
for (j=temp+1; j<=n; j++)
a[i][j]=a[i+temp][(j+temp)% n];
//填右下角元素
for (i=temp+1; i<=n; i++)
for (j=temp+1; j<=n; j++)
a[i][j]=a[i-temp][j-temp];
}
}
时间复杂性为O(4k)。
慕课
幂乘算法
- 输入: a为给定实数,n为自然数
- 输出: an
传统算法:顺序相乘
乘法次数:Θ(n)
分治算法——划分
an/2*an/2 (n为偶数)
a(n-1)/2*a(n-1)/2 (n为奇数)
算法分析:
以乘法作为基本运算
•子问题规模:不超过n/2
•两个规模近似 n/2的子问题完全一样,只要计算1次
W (n) = W (n/2) + Θ(1)
W (n) = Θ(log n)
改进分治算法的途径1:减少子问题数
减少子问题个数的依据
分治算法的时间复杂度方程
W(n) = aW(n/b) + d(n)
a:子问题数,n/b:子问题规模, d(n):划分与综合工作量.
当 a 较大, b较小, d(n)不大时,方程的解:
W(n) =Θ(nlogba )
减少a是降低函数W(n)的阶的途径.
利用子问题的依赖关系,使某些子问题的解通过组合其他子问题的解而得到.
适用于:子问题个数多,划分和综合工作量不太大,时间复杂度函数W(n) =Θ(nlogba )
改进分治算法的途径2:增加预处理
原算法:
在每次划分时对子问题数组重新排序
改进算法:
- 在递归前对 X,Y 排序,作为预处理
- 划分时对排序的数组 X,Y 进行拆分,
得到针对子问题 PL的数组 XL,YL 及针对子问题 PR的数组 XR,YR
原问题规模为 n,拆分的时间为O(n)