ACM递归与分治策略的.ppt

第2章 递归与分治策略; 学习要点: 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。 ;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。;算法总体思想;算法总体思想;算法总体思想;2.1 递归的概念;2.1 递归的概念;2.1 递归的概念;2.1 递归的概念;2.1 递归的概念;2.1 递归的概念;2.1 递归的概念;2.1 递归的概念;2.1 递归的概念;(2) q(n,m)=q(n,n),m?n; 最大加数n1实际上不能大于n。因此，q(1,m)=1。 ;2.1 递归的概念;2.1 递归的概念;在问题规模较大时，较难找到一般的方法，因此我们尝试用递归技术来解决这个问题。 ;递归小结;解决方法：在递归算法中消除递归调用，使其转化为非递归算法。 1、采用一个用户定义的栈来模拟系统的递归调用工作栈。该方法通用性强，但本质上还是递归，只不过人工做了本来由编译器做的事情，优化效果不明显。 2、用递推来实现递归函数。 3、通过变换能将一些递归转化为尾递归，从而迭代求出结果。 后两种方法在时空复杂度上均有较大改善，但其适用范围有限。;分治法的适用条件;divide-and-conquer(P) { if ( | P | = n0) adhoc(P); //解决小规模的问题 divide P into smaller subinstances P1,P2,...,Pk；//分解问题 for (i=1,i=k,i++) yi=divide-and-conquer(Pi); //递归的解各子问题 return merge(y1,...,yk); //将各子问题的解合并为原问题的解 };分治法的复杂性分析;分析：如果n=1即只有一个元素，则只要比较这个元素和x就可以确定x是否在表中。因此这个问题满足分治法的第一个适用条件;二分搜索技术;大整数的乘法;大整数的乘法;大整数的乘法;Strassen矩阵乘法;Strassen矩阵乘法;Strassen矩阵乘法;Strassen矩阵乘法;棋盘覆盖;棋盘覆盖;棋盘覆盖;合并排序;合并排序;合并排序;快速排序;快速排序;templateclass Type int RandomizedPartition (Type a[], int p, int r) { int i = Random(p,r); Swap(a[i], a[p]); return Partition (a, p, r); };线性时间选择;线性时间选择;将n个输入元素划分成?n/5?个组，每组5个元素，只可能有一个组不是5个元素。用任意一种排序算法，将每组中的元素排好序，并取出每组的中位数，共?n/5?个。 递归调用select来找出这?n/5?个元素的中位数。如果?n/5?是偶数，就找它的2个中位数中较大的一个。以这个元素作为划分基准。;Type Select(Type a[], int p, int r, int k) { if (r-p75) { 用某个简单排序算法对数组a[p:r]排序; return a[p+k-1]; }; for ( int i = 0; i=(r-p-4)/5; i++ ) 将a[p+5*i]至a[p+5*i+4]的第3小元素 与a[p+i]交换位置; //找中位数的中位数，r-p-4即上面所说的n-5 Type x = Select(a, p, p+(r-p-4)/5, (r-p-4)/10); int i=Partition(a,p,r, x), j=i-p+1; if (k=j) return Select(a,p,i,k); else return Select(a,i+1,r,k-j); };最接近点对问题;最接近点对问题;最接近点对问题;最接近点对问题;为了确切地知道要检查哪6个点，可以将p和P2中所有S2的点投影到垂直线l上。由于能与p点一起构成最接近点对候选者的S2中点一定在矩形R中，所以它们在直线l上的投影点距p在l上投影点的距离小于d。由上面的分析可知，这种投影点最多只有6个。 因此，若将P1和P2中所有S中点按其y坐标排好序，则对P