Ch4 递归式和分治法.pptVIP

* * * §4.3 The master method（通用法，万能法） 可迅速求解 T(n)=aT(n/b)+f(n) //常数a ≥1, b1, f(n)渐近正 意义：将Size为n的问题划分为a个子问题，每个子问题Size为n/b。每个子问题的时间为T(n/b)，划分和combine的时间为f(n)。 Note: n/b不一定为整数，应为?n/b?或?n/b?，不会影响渐近界。 Th4.1（master theorem） 设a ≥1，b1是整数，f(n)是函数，T(n)是定义在非负整数上的递归方程T(n)=aT(n/b)+f(n),这里n/b解释为?n/b?或?n/b?, 则T(n)的渐近界为： * §4.3 The master method（通用法，万能法）(续) Th4.1（master theorem） * §4.3 The master method（通用法，万能法）(续) 该定理意义 比较f(n)和 ，直观上两函数中较大者决定方程的解。 * §4.3 The master method（通用法，万能法）(续) Note: case1 3中，比较 f 和 的大小均是相对多项式因子 而言 这三种情况并未覆盖所有可能的f(n)，即case 1 2及case 2 3间有间隙。 例1： * §4.3 The master method（通用法，万能法）(续) 例2： * §4.3 The master method（通用法，万能法）(续) 例3： * §4.3 The master method（通用法，万能法）(续) 例4： * Ex. 4.1—5， 4.2—2， 4.3—1 Prob. 4—4.a, j * * * * * * * * * * * * * * * * * * * * * * * * * Thomas H. Cormen 等著 The MIT Press Introduction To Algorithms算法导论（Part I 数学基础） * Chapter 4. 递归式和分治法 * 递归式和分治法 作用：分析递归算法的运行时间 三种方法 替换法、迭代法、通用法（master method） 分治算法设计 将一个问题分解为与原问题相似但规模更小的若干子问题，递归地解这些子问题，然后将这些子问题的解结合起来构成原问题的解。这种方法在每层递归上均包括三个步骤 divide（分解）：将问题划分为若干个子问题 conquer（求解）：递归地解这些子问题；若子问题Size足够小，则直接解决之 Combine（组合）：将子问题的解结合成原问题的解 * 递归式和分治法（续） 其中的第二步：递归调用或直接求解 （递归终结条件） 有的算法“分解”容易，有的则“组合”容易 分治法举例 归并排序 分解：把n个待排序元素划分为两个Size为n/2的子序列 求解：递归调用归并排序将这两个子序列排序，若子序列长度为1时，已自然有序，无需做任何事情（直接求解） 组合：将这两个已排序的子序列合并为一个有序的序列 显然，分解容易（一分为二），组合难。 快速排序 分解难，组合易。 A[1…k-1] ≤ A[k] ≤ A[k+1…n] * 递归式和分治法（续） 分治算法分析 设T(n)是Size为n的执行时间，若Size足够小，如n ≤ C (常数)，则直接求解的时间为θ(1) 设完成划分的时间为D(n) 设分解时，划分为a个子问题，每个子问题为原问题的1/b，则解各子问题的时间为aT(n/b) 设组合时间C(n) * 递归式和分治法（续） 分治算法分析（续） 一般地，解递归式时可忽略细节 假定函数参数为整数，如 边界条件可忽略，当n较小时 因为这些细节一般只影响常数因子的大小，不改变量级。 ∴求解时，先忽略细节，然后再决定其是否重要 但下面讨论时，我们尽量注意细节！ * §4.1 替换法 猜测解，用数学归纳法确定常数C，证明解正确 Key：用猜测的解代入到递归式中。 例1： * §4.1 替换法（续） 例1（续） 下面证此解对边界条件亦成立 * §4.1 替换法（续） 做出好的猜测（没有一般方法，只能凭经验） 与见过的解类似，则猜测之。例如： 先证较宽松的上、下界，减小猜测范围。例如： * §4.1 替换法（续） 细节修正 有时猜测解是正确的，但数学归纳法却不能直接证明其细节，这是因为数学归纳法不是强大到足以证明其细节。这时可从猜测解中减去一个低阶项以使数学归纳法得以满足 例： * §4.1