递归与分治(一)【信息技术】.pptVIP

《算法艺术与信息学竞赛》标准课件 递归与分治(一) 刘汝佳 目录 一、递归方程和主定理 二、求最大值和最小值 三、二分查找 四、归并排序 五、快速幂 六、棋盘覆盖问题 七、VLSI布线问题 八、循环赛日程表问题 一、递归方程和主定理 在分析递归或分治算法时, 经常先得到一个关于运行时间T(n)的递归式, 再求解 例: 求解T(n) = T(n/4) + T(n/2) + n2 直观方法: 递归树 公式方法: 主定理 递归树举例 几何级数 几何级数有简单的公式 主定理 主定理(Master Theorem) 说明 需要把f(n)和np(其中p=logba)进行比较 情况一: f(n) 增长慢一点(多项式级别) 情况二: f(n)增长速度差不多 情况三: f(n)增长快一点(多项式级别), 且f(n)满足正规性质(regularity condition): 对于某常数c 1, a*f(n/b) =cf(n) 在三种情况下, 用递归树分析法, 分析得到的几何级数即可 用递归树说明主定理 情况一 情况二 情况三 练习 T(n)=4T(n/2)+n; O(N^2) T(n)=4T(n/2)+n2; O(LOG2N*N^2) T(n)=4T(n/2)+n3 ; O(N^3) T(n)=4T(n/2)+nlogn O(N^2) T(n)=2T(n/2)+n/logn 举例 T(n)=4T(n/2)+n: 情况一. O(n2) T(n)=4T(n/2)+n2: 情况二: O(n2logn) T(n)=4T(n/2)+n3: 情况三: O(n3) T(n)=4T(n/2)+nlogn: 情况一: O(n2) T(n)=2T(n/2)+n/logn: 不适用. 接考虑递归树第i层: ai*f(n/bi), 代入得 2i*n/2i/log(n/2i)=n/(logn-i) 最后一层是第logn-1层, 直接求和得O(nloglogn) 一般情形 Akra-Bazzi定理: 对于递归方程 用p表示下面方程的唯一解 则结论同主定理, 只是用p代替logba. 还有更一般的定理, 略去 二、求最大值和最小值 给n个数, 通过比较求最大值和最小值 基本方法: 保留当前最大值和最小值, 前两个数进行1次比较, 以后每个数最多比较两次, 最坏情况下需要1+2(n-2)=2n-3次比较, n=4时, 需要5次 渐进时间复杂度已经达到下界, 但可以进行常数级别的优化吗? 分治(divide-and-conquer) Divide. 把问题的实例划分成子问题 Conquer. 递归解决子问题 Combine. 合并子问题的解得到原问题的解 分析 假设需要T(n)的时间求n个数的最大值和最小值，显然T(2)=1 Divide. 把n个数分成两半 Conquer. 各需要T(n/2)次比较 Combine. 最大值相互比较，最小值也相互比较, 共2次 注意: 算法分析中一般忽略n/2取上整和下整的区别，统一用n/2表示 分析 得递归方程: T(n)=2T(n/2)+2 T(2)=1 T(4)=2T(2)+2 T(8)=2T(4)+2=4T(2)+6 T(16)=2T(8)+2=8T(2)+14 T(32)=2T(16)+2=16T(2)+30 T(n)=n/2*T(2)+n-2=1.5n-2 2n-3 也就是说, 4个数只需要比较4次而不是5次 三、二分查找 在一个从小到大排序好的表里搜索关键码x 顺序查找：最坏情况下要比较所有元素 二分查找：只需要比较log2n个元素 分析 每次把范围缩小一半 除A[mid]外有两部分 A[low..mid-1] A[mid+1, high] 每次元素减半 最多log2n次迭代 分析 Divide: 检查中间元素 Conquer: 递归在其中一个区间内搜索 Combine: 平凡的 时间复杂度分析 线性查找: O(n) O(logn)比O(n)好多少? 注意: n很小时 代码: 二分查找的递归实现 代码: 二分查找的非递归实现 注释 比较A[mid]和x以后一定不要让mid仍然在有效范围内, 否则当low=high时会产生死循环 如果把算法扩展到在实数区间里寻找给定性质(property)的元素, 结束条件应改为: low和high足够接近(例如|high-low| 10-8) 变形: 查找等值点 n个不同整数从小到大排序后放在数组A0~An-1中 是否存在i, 使得Ai=i? 若存在, 试找到此点 分析 由于所有整数都不同，而且A以升序排列, 因此Ai+1-Ai =1 取Bi=Ai-i, 则Ai=i当且仅当Bi=0 Bi+1-Bi=Ai+1-(i+1)-Ai+i=Ai+1-Ai-1