【算法设计与分析】第3章 递归与分治策略
第3章 递归与分治策略
- 1 递归
- 1.1 递归定义
- 1.2 递归函数的2个要素
- 1.3 案例
- 1.3.1 阶乘函数
- 1.3.2 Fibonacci数列
- 1.3.3 全排列问题
- 1.3.4 整数划分问题
- 1.3.5 Hanoi塔问题
- 1.4 递归优缺点
- 1.4.1 递归优点
- 1.4.2 递归缺点
- 1.5 消除递归的方法
- 2 分治
- 2.1 分治思想
- 2.2 案例
- 2.2.1 合并排序
- （1）递归方式
- （2）非递归方式
- 2.2.2 二分搜索技术
- 2.2.3 大整数乘法
- 2.2.4 Strassen矩阵乘法
- 2.2.5 棋盘覆盖问题
- 2.2.6 快速排序
- 2.2.7 线性时间选择
- 2.2.8 最接近点对问题
- 2.2.9 循环赛日程表问题
- 2.3 分治法适用条件
- 3 递归与分治的关系
1 递归
1.1 递归定义
1、递归函数：用函数自身给出定义的函数
2、递归算法：直接或间接地调用自身的算法
1.2 递归函数的2个要素
1、边界条件
2、递归方程
1.3 案例
1.3.1 阶乘函数
n ! = { 1 ， n = 0 【边界条件】 n ( n − 1 ) ! ， n > 0 【递归方程】 n!=\begin{cases} 1&\text{，$n=0$【边界条件】}\\ n(n-1)!&\text{，$n>0$【递归方程】} \end{cases} n!={1n(n−1)!，n=0【边界条件】，n>0【递归方程】
int factorial(int n){
if(n < 0)
return false;
if(n == 0)
return 1;
if(n > 0)
return n*factorial(n - 1);
}
1.3.2 Fibonacci数列
F ( n ) = { 1 ， n = 0 或 1 【边界条件】 F ( n − 1 ) + F ( n − 2 ) ， n > 1 【递归方程】 F(n)=\begin{cases} 1&\text{，$n=0或1$【边界条件】}\\ F(n-1)+F(n-2)&\text{，$n>1$【递归方程】} \end{cases} F(n)={1F(n−1)+F(n−2)，n=0或1【边界条件】，n>1【递归方程】
int Fibonacci(int n){
if(n < 0)
return false;
if(n == 0 || n == 1)
return 1;
if(n > 1)
return Fibonacci(n - 1) + Fibonacci(n - 2);
}
1.3.3 全排列问题
全排列 A n n A^n_n Ann：n个不同元素按照一定的顺序排列起来
全排列数： f ( n ) = n ! f(n)=n! f(n)=n!
大佬写的算法.
1.3.4 整数划分问题
讲正整数n表示成一系列正整数之和
p(n)：正整数n的划分数 = q(n,n)
q(n,m)：最大加数不大于m的划分个数
q ( n , m ) = { 1 ； n = 1 ， m = 1 q ( n , n ) ； n < m 1 + q ( n , n − 1 ) ； n = m q ( n , m − 1 ) + q ( n − m , m ) ； n > m > 1 q(n,m)=\begin{cases} 1&\text{；$n=1，m=1$}\\ q(n,n)&\text{；$n
其中， q ( n − m , m ) q(n-m,m) q(n−m,m)为最大加数为m的划分个数
int q(int n,int m){
if(n == 1 || m == 1)
return 1;
if(n < m)
return q(n,n);
if(n == m)
return 1 + q(n,n - 1);
if(n > m && m > 1)
return q(n,m - 1) + q(n - m,m);
}
1.3.5 Hanoi塔问题
有a、b、c三个塔座，塔座a上自下而上、由大到小叠有n个圆盘，圆盘由小到大编号为1、2、···、n。现要将这n个圆盘从塔座a上转到塔座c上，并按同样顺序堆叠。
移动规则：
（1）每次只能移动1个圆盘；
（2）任何时刻都不允许将较大的圆盘压在较小的圆盘之上；
（3）在满足移动规则（1）和（2）的前提下，可将圆盘移至塔座a、b、c中任一塔座上。
void move(int n, char a, char b) {
printf("圆盘%d：%c->%c\n", n, a, b);
}
void hanoi(int n, char a, char b, char c) {
if (n == 1)
move(n, a, c); //只有一个圆盘，直接将它从塔座a移到塔座c
else {
hanoi(n - 1, a, c, b); //除最底下那个最大的圆盘，其他n-1个圆盘从塔座a经过塔座c中转到塔座b
move(n, a, c); //圆盘n从塔座a移到塔座c
hanoi(n - 1, b, a, c); //将塔座b上的n-1个圆盘移到塔座c
}
}
int main() {
hanoi(4, 'a', 'b', 'c');
return 0;
}
1.4 递归优缺点
1.4.1 递归优点
使得算法简洁且易于理解。
1.4.2 递归缺点
使得算法运行效率较低。
1.5 消除递归的方法
1、定义栈（本质还是递归）；
2、用递推来实现递归函数；
3、通过Cooper、反演变换能将一些递归转化为尾递归，从而迭代求出结果。
2 分治
2.1 分治思想
分而治之
凡治众如治寡，分数是也。——孙子兵法
1° 将原始问题划分或者归结为规模较小的子问题；
2° 递归或迭代求解每个子问题；
3° 将子问题的解综合得到原问题的解。
2.2 案例
2.2.1 合并排序
（1）递归方式
#define length 10
typedef int ElemType; //数组数据类型
/*对数组a中的数据进行不减序排序*/
void mergeSort(ElemType a[], int left, int right) {
ElemType* b = (ElemType*)malloc(sizeof(ElemType)* length); //临时数组
if (left == right)
merge(a, b, left, 1, right); //合并
else if (left < right) {
int i = (left + right) / 2; //取中点
mergeSort(a, left, i); //前半段排序
mergeSort(a, i + 1, right); //后半段排序
merge(a, b, left, i, right); //合并，保存到临时数组
copy(a, b, left, right); //将临时数组中的数据回存到a中
}
}
void merge(ElemType a[], ElemType b[], int left, int mid, int right) {
int i = left;
int j = mid + 1;
int t = 0;
while (i <= mid && j <= right) {
if (a[i] < a[j])
b[t++] = a[i++];
else
b[t++] = a[j++];
}
while (i <= mid)
b[t++] = a[i++];
while (j <= right)
b[t++] = a[j++];
}
void copy(ElemType a[], ElemType b[], int left, int right) {
int t = 0;
while (left < right)
a[left++] = b[t++];
}
（2）非递归方式
void mergeSort(ElemType a[]) {
ElemType* b = (ElemType*)malloc(sizeof(ElemType) * length); //临时数组
int s = 1; //子数组长度初始为1
while (s < length) {
mergePass(a, b, s); //合并到数组b
s += s;
mergePass(b, a, s); //合并到数组a
}
}
/*合并大小为s的相邻子数组*/
void mergePass(ElemType a[], ElemType b[], int s) {
int i = 0;
while (i <= length - 2 * s) {
merge(a, b, i, i + s - 1, i + 2 * s - 1); //合并大小为s的相邻2段子数组
i = i + 2 * s; //为一下相邻2段子数组的合并做准备
}
if (i + s < length)
merge(a, b, i, i + s - 1, length - 1); //仍然有2组
else
for (int j = i; j < length; j++) //只有一组了
b[j] = a[j];
}
void merge(ElemType a[], ElemType b[], int left, int mid, int right) {
int i = left;
int j = mid + 1;
int t = left;
while (i <= mid && j <= right) {
if (a[i] < a[j])
b[t++] = a[i++];
else
b[t++] = a[j++];
}
while (i <= mid)
b[t++] = a[i++];
while (j <= right)
b[t++] = a[j++];
}
2.2.2 二分搜索技术
问题：给定已排好序的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
二分搜索：将n个元素分成个数大致相同的两半，取a[n/2]与x进行比较
如果 x = a[n/2]，则找到x，算法终止
如果 x < a[n/2]，则只要在数组a的左半部继续搜索x
如果 x > a[n/2]，则只要在数组a的右半部继续搜索x
int binarySearch(int a[], int x, int n) {
//在 a[0] <= a[1] <= …… <= a[n-1]中搜索 x
//找到x时返回其在数组中的位置，否则返回-1
int left = 0;
int 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
}
2.2.3 大整数乘法
大佬写的算法.
2.2.4 Strassen矩阵乘法
大佬写的.
2.2.5 棋盘覆盖问题
2 k × 2 k 2^k×2^k 2k×2k个方格组成的特殊棋盘中，恰有一个特殊方格与其他方格不同。
用4种不同形态的L型骨牌覆盖除特殊方格以外的所有方格
且任何2个L型骨牌不得重叠覆盖
#define MAXSIZE 8
static int tile = 1; //表示L型骨牌的编号
static int board[MAXSIZE][MAXSIZE]; //表示棋盘
//处理带有特殊棋子的棋盘
//tr、tc分别表示棋盘入口即左上角的行列号
//dr、dc分别表示特殊棋子的行列位置
//size表示棋盘的行数或列数
void chessBoard(int tr, int tc, int dr, int dc, int size) {
if (size == 1)
return; //一格，没啥好处理的
int t = tile++; //存放L型骨牌号
int s = size / 2; //分割棋盘
/*覆盖左上角子棋盘*/
if (dr < tr + s && dc < tc + s)
chessBoard(tr, tc, dr, dc, s); //特殊方格在此棋盘中
else {
//此棋盘中无特殊方格
//用t号L型骨牌覆盖右下角
//由于骨牌有四种，处理过程中同一级设置的特殊棋子用相同的骨牌覆盖
board[tr + s - 1][tc + s - 1] = t;
//覆盖其余方格
chessBoard(tr, tc, tr + s - 1, tc + s - 1, s); //假设右下角是特殊方格
}
/*覆盖右上角子棋盘*/
if (dr < tr + s && dc >= tc + s)
chessBoard(tr, tc + s, dr, dc, s); //特殊方格在此棋盘中
else {
//此棋盘中无特殊方格
//用t号L型骨牌覆盖左下角
board[tr + s - 1][tc + s] = t;
//覆盖其余方格
chessBoard(tr, tc + s, tr + s - 1, tc + s, s); //假设左下角是特殊方格
}
/*覆盖左下角子棋盘*/
if (dr >= tr + s && dc < tc + s)
chessBoard(tr + s, tc, dr, dc, s); //特殊方格在此棋盘中
else {
//用t号L型骨牌覆盖右上角
board[tr + s][tc + s - 1] = t;
//覆盖其余方格
chessBoard(tr + s, tc, tr + s, tc + s - 1, s); //假设右上角是特殊方格
}
/*覆盖右下角子棋盘*/
if (dr >= tr + s && dc >= tc + s)
chessBoard(tr + s, tc + s, dr, dc, s); //特殊方格在此棋盘中
else {
//用t号L型骨牌覆盖左上角
board[tr + s][tc + s] = t;
//覆盖其余方格
chessBoard(tr + s, tc + s, tr + s, tc + s, s); //假设左上角是特殊方格
}
2.2.6 快速排序
【参考】王道
没图，硬讲。（因为学过了，所以就提一下思想，如果下一次复看的时候不会，再贴图）
快速排序是对冒泡排序的一种改进方法
冒泡排序：每次都能确定最后一个元素
快速排序：每次都能确定中间那个元素
快速排序步骤：
1° 先选取基准枢轴元素pivot，一般取待排序序列a的首个元素
2° i指向待排序序列首，j指向待排序序列末
3° j往前遍历，直到遇到比pivot小的元素，然后a[i]=a[j]
4° j往后遍历，直到遇到比pivot大的元素，然后a[j]=a[i]
5° pivot填到中间那个位置
void QuickSort(ElemType A[], int low, int high) {
if (low < high) { //递归跳出的条件
int pivotpos = Partition(A, low, high); //划分
QuickSort(A, low, pivotpos - 1); //依次对两个子表进行递归排序
QuickSort(A, pivotpos + 1, high);
}
}
int Partition(ElemType A[], int low, int high) {
ElemType pivot = A[low]; //将当前表中第一个元素设为枢轴，对表进行划分
while (low < high) { //循环跳出条件
while (low < high && A[high] >= pivot)
--high;
A[low] = A[high]; //将比枢轴小的元素移动到左端
while (low < high && A[low] <= pivot)
--low;
A[high] = A[low]; //将比枢轴大的元素移动到右端
}
A[low] = pivot; //枢轴元素存放到最终位置
return low; //返回存放枢轴的最终位置
2.2.7 线性时间选择
给定线性序列中n个元素和一个整数k，1≤k≤n，要求找出这n个元素中第k小的元素
大佬写的算法.
2.2.8 最接近点对问题
大佬写的算法.
2.2.9 循环赛日程表问题
n个选手
（1）每个选手必须与其他n-1个选手各赛一次；
（2）每个选手一天只能赛一次；
（3）当n为偶数时，循环赛进行n-1天；当n为奇数时，循环赛进行n天。
static int a[SIZE][SIZE];
void match(int n) {
/*选手从0开始计数*/
if (n == 2) {
a[0][0] = 0; a[0][1] = 1;
a[1][0] = 1; a[1][1] = 0;
}
else if (n % 2 == 0)
match(n / 2); //偶数个选手
else {
n += 1; //奇数个选手，增加一个虚拟选手，即为n号选手
match(n / 2);
}
Makecopy(n); //合并
}
/*n为偶数*/
void Makecopy(int n) {
if ((n / 2) % 2 == 0)
copy(n); //n/2为偶数的情况
else
copyodd(n); //n/2为奇数的情况
}
/*n为偶数，n/2为奇数*/
void copy(int n) {
int m = n / 2;
for (int i = 0; i < m; i++)
for (int j = 0; j < m; j++) {
a[i + m][j] = a[i][j] + m; //第3部分
a[i][j + m] = a[i + m][j]; //第2部分
a[i + m][j + m] = a[i][j]; //第4部分
}
}
/*n为偶数，n/2为奇数*/
void copyodd(int n) {
int m = n / 2;
/*第3部分，即解决第i+1号选手到第n-1号选手的前m+1天的比赛*/
for (int i = 0; i < m; i++)
for (int j = 0; j <= m; j++) {
if (a[i][j] >= m) {
//表示上半区i号选手轮空
//对应下半区i+m号选手也轮空
a[i][j] = m + i;
a[m + i][j] = i;
}
else
a[m + i][j] = a[i][j] + m; //相应位置各加m
}
/*第2、4部分，即解决所有选手后面天的比赛*/
for (int i = 0; i < m; i++)
for (int j = 1; j < m; j++) {
a[i][m + j] = (i + j) % m + m; //按此规律给出相应的对手号，解决第2部分
a[(i + j) % m + m][m + j] = i; //按此规律给出相应的对手号，解决第4部分
}
}
2.3 分治法适用条件
（1）问题的规模缩小到一定程序可以容易地解决；
（2）问题具有最优子结构性质：问题可以分解为若干个规模较小地相同问题；
（3）利用问题分解出地子问题的解可以合并为该问题的解；
（4）问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子问题。
3 递归与分治的关系
递归作为一种工具，在实现分治时经常被使用。