递归、分与治和减治 .ppt

* 第4章 递归、分治和减治 1. 递归及其性质 2. 分治法的设计原理 3. 分治法的复杂度推导示例 4. 分治法的复杂度性质 5. 快速排序 6. 平面最接近点对 7. 选择问题 8. 最大子块和 9. 二进制方程 10. 减治 1. 递归及其性质 递归算法是一种自身直接或间接调用自身的算法 使用递归技术使得算法简单明了、易于理解、容易编程和验证。使用递归的程序往往很简单 系统对所有的子程序调用一视同仁，并不区分是不是调用了自身。也就是说，系统并不刻意发现递归成分。这是由子程序调用机制决定的 系统用栈实现子程序调用，也就是用栈实现递归。对比不使用递归，栈结构的操作和维护是额外的时空开销 2. 分治法的设计原理 分治法是把一个问题分解成多个子问题进行处理，然后把子问题的解综合处理，得到原问题的解 划分所得的子问题与原问题结构上等价 如果子问题太大，可以把子问题继续划分，直至划分得到的子问题能够直接求解 分治法的两个重要操作是：分解和综合。其时间复杂度也全部由这二者决定，确切的时间复杂度由二者的对比关系决定 3. 分治法的复杂度推导示例 divide_and_conquer(p(n)){ if ((n=n0) return adhoc(p(n)); //基础项 else{ divide p into p1, p2, ..., pk; //分 for (i=1; i=k; i++) //治 yi = divide_and_conquer(pi); return merge(y1, y2, ..., yk); //合 } } 问题的递归方程： 假定n=km， 变换原方程得： 4. 分治法的复杂度性质 递归方程： x=1时的解： 通解： 符合该条件的分治是多项式级别的时间复杂度 a=c是临界点，ac是真正意义上的分治；ac是减治 5. 快速排序 理想的快速排序算法的复杂度递归方程如下，因为a=c=2，所以其复杂度为O(nlogn)： 快速排序的时间复杂度最好情况下是O(nlogn)，最坏情况下是O(n2)，平均情况是O(nlogn) 可以使用辅助技术选取合理的中轴 当问题规模较小的时候，可以采用其他排序手法 n用于分，2f(n/2)用于治 6. 平面最接近点对 6.1 问题描述 6.2 分治法示意 6.3 分治法求解最近点对问题复杂度分析 6.1 问题描述 给定平面上的n个点的坐标，求出两两距离的最小值及其对应的点对 两点间的距离可以用勾股定理求得 最直观的解法是点之间循环两两求距离，记录其最小值和点对 6.2 分治法示意 a b c d e f g h i a c b e d f i h g f g a d b h c e i a c b e f i h g d a d b c e f g h i 这两个数组逻辑上产生，没有物理上产生 这两个数组物理上产生了 a b c d e f g h i 把问题分解为左右两部分，左右分别求得解，左右最小值中取较小的一个d，作为中间部分最小值的参考 中间部分按照纵坐标序列，每个点只需要比较它上面的7个点即可 如果中间部分得到的最小值更小，则取这个值，否则取d。 d d d 左边的4个格中不可能超过4个点，右边也是 6.3 分治法求解最近点对问题复杂度分析 复杂度函数递归方程： 用分治法求解平面最近点对问题的时间复杂度是O(nlogn) – 因为a=c=2 用分治法求解平面最近点对问题的最大空间使用是O(nlogn) – 但因为调用左右两部分有先后之分，因此空间复杂度为O(n) 上式中，n用于分，2f(n/2)用于治，7n用于合 7. 选择问题 7.1 解法示例 7.2 算法中剩余部分序列大小估计 7.3 分治法求解选择问题复杂度分析 7.1 解法示例 求21个元素中的第8小元素：51, 57, 49, 35, 11, 43, 37, 3, 13, 52, 6, 9, 25, 32, 54, 16, 5,41 ,7, 23, 18 把前面的20个元素划分为5组，最后一个元素不处理，得到4组：(51, 57, 49, 35, 11), (43, 37, 3, 13, 52), (6, 9, 25, 32, 54), (16, 5,41 ,7, 23)，取各自的中值：49, 37, 25, 16。在这些中值中取中值25（或者37） 以25为中心，把原数组划分为3部分：小于25的、等于25的、大于25的：(11, 3, 13, 6, 9, 16, 5, 7, 23, 18), (25), (51, 57, 49, 35, 43, 37, 52, 32, 54, 41) 原序列中第8小的数就