算法设计与分析分享课件.pptVIP

;算法设计与分析 递归与分治;算法设计与分析 递归与分治;递归函数的内部执行过程 ;算法设计与分析 递归与分治;分析: 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(1,1)=2 和 A(n,1)=A(A(n-1,1),0)=A(n-1,1)+2， 故A(n,1)=2*n (上式是一个递推公式，每当n-1便加2） M=2时，A(1,2)=A(A(0,2),1)=A(1,1)=2 A(n,2)=A(A(n-1,2),1)=2A(n-1,2)， 故A(n,2)= 2n 。 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。 ;??法设计与分析 递归与分治;算法设计与分析 递归与分治;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。 ;递归树;;补充：主方法（定理）;定理（主定理）： a≥1且b1是常数， f(n)是一个函数，T(n)由如下的递推式定义：T(n)=aT(n/b)+f(n)，式中，n/b指?n/b?或?n/b?，则T(n)有如下的渐近界： （1）若对于某常数?0，有f(n)=O(nlogba-?)，则T(n)=?(nlogba)；;定理（主定理）： a≥1且b1是常数， f(n)是一个函数，T(n)由如下的递推式定义：T(n)=aT(n/b)+f(n)，式中，n/b指?n/b?或?n/b?，则T(n)有如下的渐近界： （2）若f(n)=?(nlogba)，则T(n)=?(nlogbalogn)；;定理（主定理）： a≥1且b1是常数， f(n)是一个函数，T(n)由如下的递推式定义：T(n)=aT(n/b)+f(n)，式中，n/b指?n/b?或?n/b?，则T(n)有如下的渐近界： （3）若对于某常数?0，有f(n)=?(nlogba+?)，且对于某个常数c1和所有足够大的n，有af(n/b)≤cf(n)，则T(n)=?(f(n))。;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。;尾递归是在递归调用时“积累”之前调用的结果，并将其传入下一次递归调用中,将递归方法中的需要的“所有状态”通过方法的参数传入下一次调用中.;2.2分治法的基本思想; 子问题1 的规模是n/2;算法设计与分析 递归与分治;算法设计与分析 递归与分治;算法设计与分析 递归与分治;template class Type void MergeSort( Type a[], int left, int right ) { if( leftright ) { int i = ( left + right )/2; MergeSort( a, left, i ); MergeSort( a, i+1, right ); Merge( a, b, left, i, right ); Copy( a, b, left, right ); } } ;二路归并排序算法存在以下递推式：;算法设计与分析 递归与分治;算法设计与分析 递归与分治;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