算法引论 递归与分治.pptVIP

2.4 分治法的应用 例2 Fibonacci数列 无穷数列1，1，2，3，5，8，13，21，34，55，…，被称为Fibonacci数列。它可以递归地定义为： 例3 二分搜索技术 给定已按升序排好序的n个元素a[0:n-1]，现要在这n个元素中找出一特定元素x。 分析： 该问题的规模缩小到一定的程度就可以容易地解决； 该问题可以分解为若干个规模较小的相同问题; 分解出的子问题的解可以合并为原问题的解； 分解出的各个子问题是相互独立的。 2.4 分治法的应用 二分搜索算法： int binarySearch(int a[], int x, int n) { left = 0; right = n - 1; while (left = right) { int middle = (left + right)/2; if (x == a[middle]) return middle; if (x a[middle]) left = middle + 1; else right = middle - 1; } return -1; // 未找到x } 思考题：写出二分搜索的递归算法。 例3 二分搜索技术 2.4 分治法的应用 A和B的乘积矩阵C中的元素C[i,j]定义为:　 传统方法：O(n3) 例4 Strassen矩阵乘法 2.4 分治法的应用 Strassen矩阵乘法 使用与上例类似的技术，将矩阵A，B和C中每一矩阵都分块成4个大小相等的子矩阵。由此可将方程C=AB重写为： 分治法: 由此可得： 复杂度分析 T(n)=O(n3) ?没有改进? Strassen矩阵乘法 改进: 为了降低时间复杂度，必须减少乘法的次数。 复杂度分析 T(n)=O(nlog7) =O(n2.81)?较大的改进? 例6 合并排序 void mergeSort(int a[], int left, int right) { if (leftright) {//至少有2个元素 int i=(left+right)/2; //取中点 mergeSort(a, left, i); mergeSort(a, i+1, right); merge(a, b, left, i, right); //合并到数组b copy(a, b, left, right); //复制回数组a } } 复杂度分析 T(n)=O(nlogn) 渐进意义下的最优算法 2.4 分治法的应用 合并排序 算法mergeSort的递归过程可以消去。 初始序列 [49] [38] [65] [97] [76] [13] [27] [38 49] [65 97] [13 76] [27] 第一步 第二步 [38 49 65 97] [13 27 76] 第三步 [13 27 38 49 65 76 97] 合并排序 最坏时间复杂度：O(nlogn) 平均时间复杂度：O(nlogn) 辅助空间：O(n) 稳定性：稳定 2.4 分治法的应用 第3章 动态规划（Dynamic-Programming） 3.1 动态规划法的基本思想 3.2 动态规划法的适用条件 3.3 动态规划法的基本步骤 3.4 应用举例－0/1背包问题 3.1 动态规划法的基本思想 为求解给定问题，有一系列子问题需要解答。对这些子问题按照某种方式仔细设计，使得其后的每一个子问题都可以通过上面已经求出的一个或多个子问题的合并而获得其解。 3.1 动态规划法的基本思想 动态规划法与分治法的异同： 与分治法类似，动态规划法也是对问题进行递归分解。 而当递归分解得到的子问题不互相独立时，用分治法求解，则有些子问题被重复计算了许多次。而动态规划法通过保存已解决的子问题的解，在需要时再找出已求得的解，可以避免大量重复计算。 3.2 动态规划法的适用条件 动态规划法解所能解决的问题一般具有以下两个基本因素： 一、最优子结构性质 当问题的最优解包含着其子问题的最优解时，称该问题具有最优子结构性质。 二、重叠子问题性质 递归算法求解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。这种性质称为子问题的重叠性质。 其它同分治法 3.2 动态规划法的适用条件 一、最优子结构性质 当问题的最优解包含着其子问题的最优解时，称该问题具有最优子结构性质。 例1：Fibonacci数问题