1、【递归的概念】
(1)直接或间接地调用自身的算法称为递归算法。用函数自身给出定义的函数称为递归函数
(2)边界条件与递归方程是递归函数的二个要素,递归函数只有具备了这两个要素,才能在有限次计算后得出结果。
(3)并非一切递归函数都能用非递归方式定义
当一个函数及它的一个变量是由函数自身定义时,称这个函数是双递归函数。Ackerman函数就是一个双递归函数。
本例中的Ackerman函数却无法找到非递归的定义。
(4)递归小结
【优点】:结构清晰,可读性强,而且容易用数学归纳法来证明算法的正确性,因此它为设计算法、调试程序带来很大方便。
【缺点】:递归算法的运行效率较低,无论是耗费的计算时间还是占用的存储空间都比非递归算法要多。
【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。
4)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。
2、分治法
(1) 分治法的设计思想是,将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。
(2)分治法所能解决的问题一般具有以下几个特征:
1)该问题的规模缩小到一定的程度就可以容易地解决;
2)该问题可以分解为若干个规模较小的相同问题,即该问题具有最优子结构性质
3)利用该问题分解出的子问题的解可以合并为该问题的解;
4)该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。
【注】:4)这条特征涉及到分治法的效率,如果各子问题是不独立的,则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然也可用分治法,但一般用动态规划较好。
(3)算法设计模式
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
}
从大量实践中发现,在用分治法设计算法时,
最好使子问题的规模大致相同。即将一个问题分成大小相等的k个子问题的处理方法是行之有效的。这种使子问题规模大致相等的做法是出自一种平衡(balancing)子问题的思想,它几乎总是比子问题规模不等的做法要好。
(4)分治法的复杂性分析