第2章__递归和分治.ppt

第二章 递归和分治 主要知识点 理解递归的概念。 掌握设计有效算法的分治策略。 通过下面的范例学习分治策略设计技巧。 （1）二分搜索技术； （2）大整数乘法； （3）Strassen矩阵乘法； （4）棋盘覆盖； （5）合并排序和快速排序； （6）线性时间选择； （7）最接近点对问题； （8）循环赛日程表。 算法总体思想 将要求解的较大规模的问题分割成k个更小规模的子问题。 2.1 递归的概念 递归技术使算法描述简单明了、易于理解、容易编程和验证。 在思想方法上，把递归技术分为： 基于归纳法的递归：应用归纳法的思想； 基于分治法的递归：把问题划分成一个或多个子问题来递归求解。 2.1 递归的概念 直接或间接地调用自身的算法称为递归算法。用函数自身给出定义的函数称为递归函数。 由分治法产生的子问题往往是原问题的较小模式，这就为使用递归技术提供了方便。在这种情况下，反复应用分治手段，可以使子问题与原问题类型一致而其规模却不断缩小，最终使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。 分治与递归像一对孪生兄弟，经常同时应用在算法设计之中，并由此产生许多高效算法。 2.1.1 基于归纳的递归算法 归纳法的思想方法：对规模为n的问题P(n) 1. 基础步： 是问题P(1)的解； 2. 归纳步：对所有的 ，若 是问题P(k)的解，则 是问题P(k+1)的解。其中， 是对 的某种运算或处理。 2.1.2 递归算法的例子 2.1.2 递归算法的例子 算法 计算阶乘函数 基本操作：第4行的乘法 时间复杂性递归方程： 容易得到， 时间复杂性： 2.1.2 递归算法的例子 2.1.2 递归算法的例子 2.1.2 递归算法的例子 例3 Ackerman函数 A(n，m)的自变量m的每一个值都定义了一个单变量函数： M=0时，A(n,0)=n+2 M=1时，A(n,1)=A(A(n-1,1),0)=A(n-1,1)+2，和A(1,1)=2故A(n,1)=2*n M=2时，A(n,2)=A(A(n-1,2),1)=2A(n-1,2)，和A(1,2)=A(A(0,2),1)=A(1,1)=2，故A(n,2)= 2^n 。 M=3时，类似的可以推出 M=4时，A(n,4)的增长速度非常快，以至于没有适当的数学式子来表示这一函数。 2.1.2 递归算法的例子 例3 Ackerman函数 定义单变量的Ackerman函数A(n)为，A(n)=A(n，n)。 定义其拟逆函数α(n)为：α(n)=min{k｜A(k)≥n}。即α(n)是使n≤A(k)成立的最小的k值。 α(n)在复杂度分析中常遇到。对于通常所见到的正整数n，有α(n)≤4。但在理论上α(n)没有上界，随着n的增加，它以难以想象的慢速度趋向正无穷大。 2.1.2 递归算法的例子 2.1.2 递归算法的例子 例4 排列问题 存放于数组A的n个元素，生成其排列： 1. 第一个元素不动，生成后面n-1个元素的排列； 2. 第一、第二个元素互换，生成后面n-1个元素的排列； 3. 最后，第一个、第n个元素互换，生成后面n-1个元素的排列； 2.1.2 递归算法的例子 例4 排列问题 为生成后面n-1个元素的排列，继续采取下面的步骤： 1. 第二个元素不动，生成后面n-2个元素的排列； 2. 第二、第三个元素互换，生成后面n-2个元素的排列； 3. 最后，第二个、第n个元素互换，生成后面n-2个元素的排列； 2.1.2 递归算法的例子 例4 排列问题 当排列的前n-2个元素已确定后，为生成后面2个元素的排列，可以： 1. 第n-1个元素不动，生成后面1个元素的排列，此时，n个元素已构成排列； 2. 第n-1、第n个元素互换，生成后面1个元素的排列，此时，n个元素已构成排列； 例：对数组 ，算法的执行过程和递归栈的变化情况： 2.1.2 递归算法的例子 例4 排列问题：时间复杂性分析 基本操作：元素输出 递归方程： 得到 。 算法的运行时间： 。 每一次递归需常数个工作单元，递归深度为n，递归栈的空间为 。 例 Hanoi塔问题 设a,b,c是3个塔座。开始时，在塔座a上有一叠共n个圆盘，这些圆盘自下而上，由大到小地叠在一起。各圆盘从小到大编号为1,2,…,n,现要求将塔座a上的这一叠圆盘移到塔座b上，并仍按同样顺序叠置。在移动圆盘时应遵守以下移动规则： 规则1：每次只能移动1个圆盘； 规则2：任何时刻都不允许将较大的圆盘压在较小的圆盘之上； 规则3：在满足移动规则1和2的前提下，可将圆盘移至a