数据结构与算法-第十章Algorithmdesigntechniques 武汉理工大学.pptVIP

10.3.3 递归算法到非递归算法的转换 递归算法有两个基本特性： 一是递归算法是一种分而治之的、把复杂问题分解为简单问题的求解问题方法,对求解某些复杂问题,递归算法分析问题的方法是十分有效的； 二是递归算法的时间效率通常比较差。 因此,对求解某些问题时,我们希望用递归算法分析问题,用非递归算法具体求解问题。 这就需要把递归算法转换为非递归算法。 把递归算法转化为非递归算法有如下三种基本方法： (1)对于尾递归和单向递归的算法,可用循环结构的算法替代。 (2)自己用栈模拟系统的运行时栈,通过分析只保存必须保存的信息,从而用非递归算法替代递归算法。 (3)利用栈保存参数,由于栈的后进先出特性吻合递归算法的执行过程,因而可以用非递归算法替代递归算法。 （见教材） 10.4 逐步求精（Stepwise Refinement） 简单地讲，逐步求精方法，是一种逐步“划分”的方法，即将问题的解决，先用几个大/粗的模块的组合表示。对这些模块，先不考虑它们的内部实现，只规定其功能。然后再按类似方法继续划分这些模块，直到它们都变为程序设计语句。在这种划分中，应遵循下列规则： 保证模块的粒度应逐步变小。粒度越大/粗，“说明性”越强，越远离程序设计语言，但越容易给出（设计）； 保证当前正确。对每次划分，若假定各模块都可正确实现，则它们的当前组合（即划分方式）是整个问题的正确实现； 对逐步求精的描述，一般采用“伪码”。所谓伪码，是指不完全的程序代码，它一般以程序设计语言(典型的是C/Pascal之类的结构化程序设计语言)的流程控制语句（如while, for, if等）为主体，夹杂自然语言的描述。 [例] 求矩阵的鞍点 考虑求矩阵鞍点的问题。所谓矩阵鞍点，是指满足这样条件的矩阵元素：它是所在行上的最小元素，同时是所在列上的最大元素。可以证明，一个矩阵可以有多个鞍点，但它们的值均相等。 显然，求鞍点的一个直接的方法是，检查矩阵中每个元素是否为鞍点，用伪码描述为（设矩阵名为a，有n行m列，元素下标从0起）： for (i=0; in; i++) for (j=0; jm; j++) { 判断a[i][j]是否为鞍点； if (a[i][j] 是鞍点) 输出a[i][j]; } [例] 求矩阵的鞍点(续1) 这里，关键问题是判断a[i][j]是否为鞍点，所以关键是细化模块“判断a[i][j]是否为鞍点”。解决该问题，先检查a[i][j]是否为i行上的最小者，若是，则继续检查其是否为j列上最大者，若是，则为鞍点。其他情况都不是鞍点。该过程的伪码描述为： isSaddle = 0; 检查a[i][j]是否为i行上最小者； if (是) { 检查a[i][j]是否为j列上最大者； if (是) isSaddle = 1; } [例] 求矩阵的鞍点（续2） 这段程序结束后，isSaddle为非0时表示a[i][j]为鞍点，否则不是鞍点。在这里，有两个模块需要细化： a) 检查a[i][j]是否为i行上最小者，这可以先找出i行上最小者的下标，然后与a[i][j]比较即可： kk=0; for (k=1; km; k++) if (a[i][k] a[i][kk] ) kk=k; if (a[i][kk]==a[i][j]) a[i][j]为i行上最小者； [例] 求矩阵的鞍点（续3） b) 检查a[i][j]是否为j列上最大者： kk=0; for (k=1; km; k++) if (a[k][j] a[kk][j] ) kk=k; if (a[kk][j]==a[i][j]) a[i][j]为j列上最大者； 10.5 分治法（Divide and Conquer） 分治是指“分而治之”（Divide and conquer），是把一个规模为n的问题分成两个或多个较小的与原问题类型相同的子问题，通过对子问题的求解，并把子问题的解合并起来从而构造出整个问题的解，即对问题分而治之。 如果子问题的规模仍然相当大，还不足以很容易地求得它的解，这时可以对此子问题重复地应用分治策略。 10.5 分治法（Divide and Conquer） 分治法求解过程，分为3个阶段： 划分。规模为n的原问题划分为k（k=1）规模较小子问题。 求解子问题。各子问题与原问题解法相同，可用递归方法求解各个子问题。子问题足够小时，直接求解。 合并。把各个子问题的解合并起来。 分治法的算法框架 return_type d_and_c( objArray * p , int i , int j )