递归算法设计

递归的简介

递归是一种十分重要的程序设计方法，对 于一些问题，用递归方法设计算法可使算 法简洁明了，逻辑清晰，易于设计

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称 为递归函数。

递归关系：对原问题的求解可转化为对其 性质相同 的子问题的求解。

递归方法：用于解决一类满足递归关系的 问题

递归的例子

设计要素：边界条件，递归方程

 

递归算法设计要素

递归关系（特性）：产生递归的基础

当算法中某步骤要通过解质相同的子问题实现时，该步骤用递归调用实现。

递归出口（结束条件）：确定递归的层数

当子问题的规模充分小时可直接求解时，递归结束

参数设置

参数表示了原问题及其不同的子问题。参数表示了子问题的大小和状态，以区别原问题以及不同层次的子问题。

算法功能的设定

严格规定递归算法要解决什么样的问题。 算法功能的正确设定是保证递归过程正确进行的前提。

算法设计应注意

初始化，递归与循环，算法正确性的验证，…

递归程序模板

返回类型 Func(参数列表)

if (出口条件/可直接求解条件)

求解；

return 结果；

else

求解，利用到更小规模的子问题求解

return 结果；

整数幂问题

整数幂问题

– 问题描述：求实数x的n次幂（n为非负整数）。

– 蛮力解法：直接进行n-1次乘法

递归算法描述

详解

寻找多数问题

寻找多数

问题描述：求n个元素序列中的多数元素 ，多数元素为在序列中出现的次数多于n/2的元 素。

启发规则

一个序列不一定存在多数元素。

一个序列的多数元素若存在则唯一

递归关系：

通过对除去多对不同元素后的子序列 的多数元素问题的求解，可得到原序列的多数元 素问题的候选解。

注意：

子序列的多数元素只是原序列的候选多数 元素，必须验证。但若子序列不存在多数元素， 则原序列就一定不存在多数素。

算法的基本思想：

逐个扫描序列元素，不断除去 不同的元素对，得到新的子序列，对子序列做同 样的运算，直至序列扫描完毕。

递归出口：

序列已扫描完。

参数：

待扫描的子序列的起始位置，当前状态。

递归代码

Candidate(m,a):
    j=m; c=a[m];count=1//这一步是首先将数组的未扫描初始值赋值给c，将下标赋值给j，count为计数器
    while j<n and count>0//循环条件j作为数组下标不能超过数组长度，计数器要保证始终大于0，否则说明此元素不是候选解
        j=j+1;//循环增大数组下标
        if(a[j]==c)//判断之后的数组值是否跟之前选定的c值相等
            count++；//相等计数器+1
        else
            count--；//不等计数器-1
    end while//结束一次循环
    if j=n;//表示数组已经全部遍历完成，递归终点，
    else return candidate(j+1,a)//表示数组在j时，count就为0了，但是数组还没遍历完，要重新确定开始点，再次递归
//需要将子序列的多数元素与父序列进行验证
FindMajority(n,a):
c=Candidate(1,a);
count=0;
for j=1 to n
    if a[j]= c then count=count+1；
if count> n/2+1
    return c;
else
    return none;
​
        
        

多项式求值

多项式求值

输入：x 浮点数；n 最高项幂； A[] 数组，包含n+1 各元素值

– 求多项式 P(x,A)=A[n]xn+...+A[i]xi+…+A[0]*x0 的值

要求采用两种算法实现，并编写完整的代码提交。

• 1 用逐个求每一项，在对各项累加的方法。（迭代求和，

在迭代的同时，可以把上一步的x^(n-1)加以利用，求x^n）

• 2 用Horner规则求多项式。

方法1

double P(x,n,A)
{
    double t=1;P=0;//设置初始值
    for(i=0...n)
    {
        P+=A[i++]*t//每次将P的值跟之前的P相加，新加的值为A[i]x^i,加完之后，每次将i+1
        t*=x;//改变t使每次的t值与A[i]相匹配
    }
    return P;
}

方法2

调用HornerP(x,n,m,A)

HornerP(x,n,m,A)
{
    if(m==0) return A[n];
    else
    {
        p=x*HornerP(x,n,m-1,A)+A[n-m]
        return P;
    }
}

HORNER
P=a{n}
for j=1 to n
    p=xp+a{n-j}
end for
return P

解释