版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、算法設計與分析,山東師范大學信息科學與工程學院軟件工程研究所徐連誠 E-Mail:lchxu@163.com2006年9月18日,2,第2章 遞歸與分治策略,本章主要知識點:2.1 遞歸的概念2.2 分治法的基本思想2.3 二分搜索技術2.4 大整數(shù)的乘法2.5 Strassen矩陣乘法2.6 棋盤覆蓋2.7 合并排序2.8 快速排序2.9 線性時間選擇2.10 最接近點對問題2.11 循環(huán)賽日程表計劃授課時
2、間:6~8課時,3,2.1 遞歸的概念,直接或間接地調用自身的算法稱為遞歸算法。用函數(shù)自身給出定義的函數(shù)稱為遞歸函數(shù)。在計算機算法設計與分析中,使用遞歸技術往往使函數(shù)的定義和算法的描述簡潔且易于理解。下面來看幾個實例。,4,2.1 遞歸的概念,例1 階乘函數(shù)可遞歸地定義為:其中:n=0時,n!=1為邊界條件n>0時,n!=n(n-1)!為遞歸方程邊界條件與遞歸方程是遞歸函數(shù)的二個要素,遞歸函數(shù)只有具備了這兩個要素,才
3、能在有限次計算后得出結果。,5,2.1 遞歸的概念,例2 Fibonacci數(shù)列無窮數(shù)列1,1,2,3,5,8,13,21,34,55,…,被稱為Fibonacci數(shù)列。它可以遞歸地定義為:第n個Fibonacci數(shù)可遞歸地計算如下:public static int fibonacci(int n) { if (n <= 1) return 1; return fibonacci(n-1)
4、+fibonacci(n-2); },小兔子問題,6,2.1 遞歸的概念,例3 Ackerman函數(shù)當一個函數(shù)及它的一個變量是由函數(shù)自身定義時,稱這個函數(shù)是雙遞歸函數(shù)。Ackerman函數(shù)A(n,m)定義如下:前2例中的函數(shù)都可以找到相應的非遞歸方式定義。但本例中的Ackerman函數(shù)卻無法找到非遞歸的定義。,7,2.1 遞歸的概念,A(n,m)的自變量m的每一個值都定義了一個單變量函數(shù):M=0時,A(n,0)=n+2M
5、=1時,A(n,1)=A(A(n-1,1),0)=A(n-1,1)+2,和A(1,1)=2故A(n,1)=2*nM=2時,A(n,2)=A(A(n-1,2),1)=2A(n-1,2),和A(1,2)=A(A(0,2),1)=A(1,1)=2,故A(n,2)= 2^n 。M=3時,類似的可以推出M=4時,A(n,4)的增長速度非??欤灾劣跊]有適當?shù)臄?shù)學式子來表示這一函數(shù)。定義單變量的Ackerman函數(shù)A(n)為,A(n)=A(
6、n,n)。定義其擬逆函數(shù)α(n)為: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)在復雜度分析中常遇到。對于通常所見到的正整數(shù)n,有α(n)≤4。但在理論上α(n)沒有上界,隨著n的增加,它以難以想象的慢速度趨向正無窮大。,8,2.1 遞歸的概念,例4 排列問題設計一個遞歸算法生成n個元素{r1,r2,…,rn}的全排列。設R={r1,r2,…,rn}是要進行排列的n個元素,Ri=R-
7、{ri}。集合X中元素的全排列記為perm(X)。(ri)perm(X)表示在全排列perm(X)的每一個排列前加上前綴得到的排列。R的全排列可歸納定義如下:當n=1時,perm(R)=(r),其中r是集合R中唯一的元素;當n>1時,perm(R)由(r1)perm(R1),(r2)perm(R2),…,(rn)perm(Rn)構成。,9,2.1 遞歸的概念,例5 整數(shù)劃分問題將正整數(shù)n表示成一系列正整數(shù)之和:n=n1+
8、n2+…+nk,其中n1≥n2≥…≥nk≥1,k≥1。正整數(shù)n的這種表示稱為正整數(shù)n的劃分。求正整數(shù)n的不同劃分個數(shù)。 例如正整數(shù)6有如下11種不同的劃分:6;5+1;4+2,4+1+1;3+3,3+2+1,3+1+1+1;2+2+2,2+2+1+1,2+1+1+1+1;1+1+1+1+1+1。,10,2.1 遞歸的概念,前面的幾個例子中,問題本身都具有比較明顯的遞歸關系,因而容易用遞歸函數(shù)直接求解。在本例中,如果設
9、p(n)為正整數(shù)n的劃分數(shù),則難以找到遞歸關系,因此考慮增加一個自變量:將最大加數(shù)n1不大于m的劃分個數(shù)記作q(n,m)??梢越(n,m)的如下遞歸關系:q(n,1)=1,n≥1;當最大數(shù)n1不大于1時,任何正整數(shù)n只有一種劃分形式:n=1+1+...+1(共n個)。Q(n,m)=q(n,n),m≥n;最大加數(shù)n1實際上不能大于n。因此,q(1,m)=1。q(n,n)=1+q(n,n-1);正整數(shù)n的劃分由n1=n的劃分和n1
10、≤n-1的劃分組成。q(n,m)=q(n,m-1)+q(n-m,m),n>m>1;正整數(shù)n的最大加數(shù)n1不大于m的劃分由n1=m的劃分和n1≤m-1 的劃分組成。,11,2.1 遞歸的概念,正整數(shù)n的劃分數(shù)p(n)=q(n,n)。,12,2.1 遞歸的概念,例6 Hanoi塔問題設a,b,c是3個塔座。開始時,在塔座a上有一疊共n個圓盤,這些圓盤自下而上,由大到小地疊在一起。各圓盤從小到大編號為1,2,…,n,現(xiàn)要求將塔
11、座a上的這一疊圓盤移到塔座b上,并仍按同樣順序疊置。在移動圓盤時應遵守以下移動規(guī)則:每次只能移動1個圓盤;任何時刻都不允許將較大的圓盤壓在較小的圓盤之上;在滿足移動規(guī)則1和2的前提下,可將圓盤移至a,b,c中任一塔座上。public static void hanoi(int n, int a, int b, int c){ if (n > 0) { hanoi(n-1, a, c, b); move(a,b
12、); hanoi(n-1, c, b, a); }}思考:如果塔的個數(shù)變?yōu)閍,b,c,d四個,現(xiàn)要將n個圓盤從a全部移動到d,移動規(guī)則不變,求移動步數(shù)最小的方案。,13,2.1 遞歸的概念,遞歸小結優(yōu)點:結構清晰,可讀性強,而且容易用數(shù)學歸納法來證明算法的正確性,因此它為設計算法、調試程序帶來很大方便。缺點:遞歸算法的運行效率較低,無論是耗費的計算時間還是占用的存儲空間都比非遞歸算法要多。解決方法:在遞歸算法中消除遞歸調
13、用,使其轉化為非遞歸算法。采用一個用戶定義的棧來模擬系統(tǒng)的遞歸調用工作棧。該方法通用性強,但本質上還是遞歸,只不過人工做了本來由編譯器做的事情,優(yōu)化效果不明顯。用遞推來實現(xiàn)遞歸函數(shù)。通過Cooper變換、反演變換能將一些遞歸轉化為尾遞歸,從而迭代求出結果。后兩種方法在時空復雜度上均有較大改善,但其適用范圍有限。,14,2.2 分治法的基本思想,分治法的基本思想分治法的基本思想是將一個規(guī)模為n的問題分解為k個規(guī)模較小的子問題,這
14、些子問題互相獨立且與原問題相同。對這k個子問題分別求解。如果子問題的規(guī)模仍然不夠小,則再劃分為k個子問題,如此遞歸的進行下去,直到問題規(guī)模足夠小,很容易求出其解為止。將求出的小規(guī)模的問題的解合并為一個更大規(guī)模的問題的解,自底向上逐步求出原來問題的解。分治法的設計思想是,將一個難以直接解決的大問題,分割成一些規(guī)模較小的相同問題,以便各個擊破,分而治之。,凡治眾如治寡,分數(shù)是也?!獙O子兵法,15,2.2 分治法的基本思想,16,2
15、.2 分治法的基本思想,分治法的適用條件分治法所能解決的問題一般具有以下幾個特征:該問題的規(guī)模縮小到一定的程度就可以容易地解決;該問題可以分解為若干個規(guī)模較小的相同問題,即該問題具有最優(yōu)子結構性質利用該問題分解出的子問題的解可以合并為該問題的解;該問題所分解出的各個子問題是相互獨立的,即子問題之間不包含公共的子問題。 這條特征涉及到分治法的效率,如果各子問題是不獨立的,則分治法要做許多不必要的工作,重復地解公共的子問題,此時
16、雖然也可用分治法,但一般用動態(tài)規(guī)劃較好。,17,2.2 分治法的基本思想,分治法的基本步驟divide-and-conquer(P){ if ( | P | <= n0) adhoc(P); //解決小規(guī)模的問題 divide P into smaller subinstances P1,P2,...,Pk;//分解問題 for (i=1,i<=k,i++) yi=divide-and-conquer(Pi)
17、; //遞歸的解各子問題 return merge(y1,...,yk); //將各子問題的解合并為原問題的解}人們從大量實踐中發(fā)現(xiàn),在用分治法設計算法時,最好使子問題的規(guī)模大致相同。即將一個問題分成大小相等的k個子問題的處理方法是行之有效的。這種使子問題規(guī)模大致相等的做法是出自一種平衡(balancing)子問題的思想,它幾乎總是比子問題規(guī)模不等的做法要好。,18,2.2 分治法的基本思想,分治法的復雜性分析一個分治法將規(guī)
18、模為n的問題分成k個規(guī)模為n/m的子問題去解。設分解閥值n0=1,且adhoc解規(guī)模為1的問題耗費1個單位時間。再設將原問題分解為k個子問題以及用merge將k個子問題的解合并為原問題的解需用f(n)個單位時間。用T(n)表示該分治法解規(guī)模為|P|=n的問題所需的計算時間,則有(右上)。通過迭代法求得方程解(右下) 。注意:遞歸方程及其解只給出n等于m的方冪時T(n)的值,但是如果認為T(n)足夠平滑,那么由n等于m的方冪時T(n)
19、的值可以估計T(n)的增長速度。通常假定T(n)是單調上升的,從而當mi≤n<mi+1時,T(mi)≤T(n)<T(mi+1)。,19,2.3 二分搜索技術,給定已按升序排好序的n個元素a[0:n-1],現(xiàn)要在這n個元素中找出一特定元素x。適用分治法求解問題的基本特征:該問題的規(guī)??s小到一定的程度就可以容易地解決;該問題可以分解為若干個規(guī)模較小的相同問題;分解出的子問題的解可以合并為原問題的解;分解出的各個子問題是
20、相互獨立的。 很顯然此問題分解出的子問題相互獨立,即在a[i]的前面或后面查找x是獨立的子問題,因此滿足分治法的第四個適用條件。,20,算法及其復雜性,據(jù)此容易設計出二分搜索算法:public static int binarySearch(int [] a, int x, int n){// 在 a[0] a[middle]) left = middle + 1;else right = middle - 1;}ret
21、urn -1; // 未找到x}算法復雜度分析:每執(zhí)行一次算法的while循環(huán), 待搜索數(shù)組的大小減少一半。因此,在最壞情況下,while循環(huán)被執(zhí)行了O(logn) 次。循環(huán)體內運算需要O(1) 時間,因此整個算法在最壞情況下的計算時間復雜性為O(logn) 。思考題:給定a,用二分法設計出求an的算法。,21,2.4 大整數(shù)的乘法,設計一個有效的算法,可以進行兩個n位大整數(shù)的乘法運算小學的方法:O(n2) ?效率太低分治法:
22、 X=a2n/2+bY=c2n/2+dXY=ac2n+(ad+bc)2n/2+bd復雜度分析 T(n)=O(n2) ?沒有改進?,22,算法改進,為了降低時間復雜度,必須減少乘法的次數(shù)。為此,我們把XY寫成另外的形式:XY = ac 2n + ((a-c)(b-d)+ac+bd) 2n/2 + bd 或XY = ac 2n + ((a+c)(b+d)-ac-bd) 2n/2 + bd復雜性:這兩個算式看起來更復雜一些
23、,但它們僅需要3次n/2位乘法[ac、bd和(a±c)(b±d)],于是 T(n)=O(nlog3) =O(n1.59) ?較大的改進?細節(jié)問題:兩個XY的復雜度都是O(nlog3),但考慮到a+c,b+d可能得到m+1位的結果,使問題的規(guī)模變大,故不選擇第2種方案。,23,更快的方法,小學的方法:O(n2)——效率太低分治法: O(n1.59)——較大的改進更快的方法?如果將大整數(shù)分成更多段,用更復雜的
24、方式把它們組合起來,將有可能得到更優(yōu)的算法。最終的,這個思想導致了快速傅利葉變換(Fast Fourier Transform)的產(chǎn)生。該方法也可以看作是一個復雜的分治算法,對于大整數(shù)乘法,它能在O(nlogn)時間內解決。是否能找到線性時間的算法?目前為止還沒有結果。,24,2.5 Strassen矩陣乘法,n×n矩陣A和B的乘積矩陣C中的元素C[i,j]定義為:若依此定義來計算A和B的乘積矩陣C,則每計算C的一個元
25、素C[i][j],需要做n次乘法和n-1次加法。因此,算出矩陣C的 個元素所需的計算時間為O(n3),25,簡單分治法求矩陣乘,首先假定n是2的冪。使用與上例類似的技術,將矩陣A,B和C中每一矩陣都分塊成4個大小相等的子矩陣。由此可將方程C=AB重寫為:由此可得:復雜度分析T(n)=O(n3) ?沒有改進?,26,改進算法,為了降低時間復雜度,必須減少乘法的次數(shù)。而其關鍵在于計算2個2階方陣的乘積時所用乘法次數(shù)能否少于8次。
26、為此,Strassen提出了一種只用7次乘法運算計算2階方陣乘積的方法(但增加了加/減法次數(shù)):M1=A11(B12-B22) M2=(A11+A12)B22M3=(A21+A22)B11 M4=A22(B21-B11)M5=(A11+A22)(B11+B22) M6=(A12-A22)(B21+B22)M7=(A11-A21)(B11+B12)做了這7次乘法后,在做若干次加/減法就可以得到:C11=M5+M4-M2+M6
27、C12=M1+M2C21=M3+M4 C22=M5+M1-M3-M7復雜度分析T(n)=O(nlog7) =O(n2.81) ?較大的改進?,27,更快的方法,Hopcroft和Kerr已經(jīng)證明(1971),計算2個2×2矩陣的乘積,7次乘法是必要的。因此,要想進一步改進矩陣乘法的時間復雜性,就不能再基于計算2×2矩陣的7次乘法這樣的方法了?;蛟S應當研究3×3或5×5矩陣的更好算法。在S
28、trassen之后又有許多算法改進了矩陣乘法的計算時間復雜性。目前最好的計算時間上界是 O(n2.376)是否能找到O(n2)的算法?目前為止還沒有結果。,28,2.6 棋盤覆蓋,在一個2k×2k個方格組成的棋盤中,恰有一個方格與其他方格不同,稱該方格為一特殊方格,且稱該棋盤為一特殊棋盤。在棋盤覆蓋問題中,要用圖示的4種不同形態(tài)的L型骨牌覆蓋給定的特殊棋盤上除特殊方格以外的所有方格,且任何2個L型骨牌不得重疊覆蓋。易知,
29、覆蓋任意一個2k×2k的特殊棋盤,用到的骨牌數(shù)恰好為(4K-1)/3。,29,分治策略求解,當k>0時,將2k×2k棋盤分割為4個2k-1×2k-1 子棋盤(a)所示。特殊方格必位于4個較小子棋盤之一中,其余3個子棋盤中無特殊方格。為了將這3個無特殊方格的子棋盤轉化為特殊棋盤,可以用一個L型骨牌覆蓋這3個較小棋盤的會合處,如 (b)所示,從而將原問題轉化為4個較小規(guī)模的棋盤覆蓋問題。遞歸地使用這種分割
30、,直至棋盤簡化為棋盤1×1。,30,算法描述,void CB(int tr,tc,dr,dc,size){if (size == 1) return;int t = tile++; // L型骨牌號s = size/2; // 分割棋盤// 覆蓋左上角子棋盤if (dr = tc + s)// 特殊方格在此棋盤中CB(tr, tc+s, dr, dc, s);else {// 此棋盤中無特殊方格// 用 t
31、 號L型骨牌覆蓋左下角board[tr + s - 1][tc + s] = t;// 覆蓋其余方格CB(tr,tc+s,tr+s-1,tc+s, s);},// 覆蓋左下角子棋盤if (dr >= tr + s && dc = tr + s && dc >= tc + s)// 特殊方格在此棋盤中CB(tr+s, tc+s, dr, dc, s);else {// 用 t 號L
32、型骨牌覆蓋左上角board[tr + s][tc + s] = t;// 覆蓋其余方格CB(tr+s, tc+s, tr+s, tc+s, s);}},,31,復雜度分析,說明:整形二維數(shù)組Board表示棋盤,Borad[0][0]使棋盤的左上角方格。tile是一個全局整形變量,用來表示L形骨牌的編號,初始值為0。tr:棋盤左上角方格的行號;tc:棋盤左上角方格的列號;dr:特殊方各所在的行號;dc:特殊方各所在的列號;
33、size:size=2k,棋盤規(guī)格為2k×2k。復雜度分析: T(k)=4k-1=O(4k) 漸進意義下的最優(yōu)算法,32,2.7 合并排序,基本思想:將待排序元素分成大小大致相同的2個子集合,分別對2個子集合進行排序,最終將排好序的子集合合并成為所要求的排好序的集合。遞歸算法描述:public static void mergeSort(Comparable a[], int left, int right){
34、if (left<right) {//至少有2個元素int i=(left+right)/2; //取中點mergeSort(a, left, i);mergeSort(a, i+1, right);merge(a, b, left, i, right); //合并到數(shù)組bcopy(a, b, left, right); //復制回數(shù)組a}}復雜度分析T(n)=O(nlogn) 漸進意義下的最優(yōu)算法,
35、33,算法改進,算法mergeSort的遞歸過程可以消去。初始序列 [49] [38] [65] [97] [76] [13] [27]第一步 [38 49] [65 97] [13 76] [27]第二步 [38 49 65 97] [13 27 76]第三步 [13 27 38 49 65 76 97],34,改進后的算法描述及其復雜性
36、,算法描述:略復雜性分析:最壞時間復雜度:O(nlogn)平均時間復雜度:O(nlogn)輔助空間:O(n)思考題:給定有序表A[1:n],修改合并排序算法,求出該有序表的逆序對數(shù)。,35,2.8 快速排序,快速排序是基于分治策略的另一個排序算法,其基本思想是:分解——以ap為基準元素將ap:r劃分成3段ap:q-1、aq和aq+1:r,使得ap:q-1中任何元素小于aq ,aq+1:r中任何元素大于aq ;下標q在劃分過程
37、中確定;遞歸求解——通過遞歸調用快速排序算法分別對ap:q-1和aq+1:r進行排序;合并——由于對ap:q-1和aq+1:r的排序是就地進行的,所以在ap:q-1和aq+1:r都已排好序后不需要執(zhí)行任何計算ap:r就已排好序。在快速排序中,記錄的比較和交換是從兩端向中間進行的,關鍵字較大的記錄一次就能交換到后面單元,關鍵字較小的記錄一次就能交換到前面單元,記錄每次移動的距離較大,因而總的比較和移動次數(shù)較少。快速算法描述:te
38、mplatevoid QuickSort (Type a[], int p, int r){if (p<r) {int q=Partition(a,p,r);QuickSort (a,p,q-1); //對左半段排序QuickSort (a,q+1,r); //對右半段排序}},36,分解/劃分算法描述,分解/劃分算法描述:templateint Partition (Type a[], int p, int
39、r){int i = p, j = r + 1; Type x=a[p];// 將 x的元素交換到右邊區(qū)域while (true) {while (a[++i] x);if (i >= j) break; Swap(a[i], a[j]);}a[p] = a[j];a[j] = x;return j;},{6, 7, 51, 2, 5, 8} 初始序列{6, 7, 51, 2, 5, 8} j--;↑
40、i ↑j{5, 7, 51, 2, 6, 8} i++; ↑i ↑j{5, 6, 51, 2, 7, 8} j--; ↑i ↑j{5, 2, 51, 6, 7, 8} i++; ↑i ↑j{5, 2, 51}6{7, 8} 完成快速排序具有不穩(wěn)定性!,,37,復雜性分析及隨機化的快速排序算法,算法復雜性分析:最壞時間復雜度:O(n2)平均時間復雜度:O(nlogn)輔助空間:O(n)或O
41、(logn)快速排序算法的性能取決于劃分的對稱性。通過修改算法partition,可以設計出采用隨機選擇策略的快速排序算法。在快速排序算法的每一步中,當數(shù)組還沒有被劃分時,可以在a[p:r]中隨機選出一個元素作為劃分基準,這樣可以使劃分基準的選擇是隨機的,從而可以期望劃分是較對稱的。算法描述:templateint RandomizedPartition (Type a[], int p, int r){int i = R
42、andom(p,r);Swap(a[i], a[p]);return Partition (a, p, r);},38,2.9 線性時間選擇,元素選擇問題:給定線性序集中n個元素和一個整數(shù)k,1≤k≤n,要求找出這n個元素中第k小的元素。RandomizedSelect算法:模仿快速排序算法,首先對輸入數(shù)組進行劃分,然后對劃分出的子數(shù)組之一進行遞歸處理。算法描述如下:templateType RandomizedSelect
43、(Type a[],int p,int r,int k){if (p==r) return a[p];int i=RandomizedPartition(a,p,r),j=i-p+1;if (k<=j) return RandomizedSelect(a,p,i,k);else return RandomizedSelect(a,i+1,r,k-j);}算法復雜性:在最壞情況下,算法randomizedSelect
44、需要O(n2)計算時間。但可以證明,算法RandomizedSelect可以在O(n)平均時間內找出n個輸入元素中的第k小元素。,39,改進算法,基本思路:如果能在線性時間內找到一個劃分基準,使得按這個基準所劃分出的2個子數(shù)組的長度都至少為原數(shù)組長度的ε倍(0<ε<1是某個正常數(shù)),那么就可以在最壞情況下用O(n)時間完成選擇任務。例如,若ε=9/10,算法遞歸調用所產(chǎn)生的子數(shù)組的長度至少縮短1/10。所以,在最壞情況下,
45、算法所需的計算時間T(n)滿足遞歸式T(n)≤T(9n/10)+O(n) 。由此可得T(n)=O(n)。,40,一個較好的基準劃分步驟,步驟(如圖所示):將n個輸入元素劃分成?n/5?個組,每組5個元素,只可能有一個組不是5個元素。用任意一種排序算法,將每組中的元素排好序,并取出每組的中位數(shù),共?n/5?個。遞歸調用select來找出這?n/5?個元素的中位數(shù)。如果?n/5?是偶數(shù),就找它的2個中位數(shù)中較大的一個。以這個元素作為劃分
46、基準。說明:設所有元素互不相同。在這種情況下,找出的基準x至少比3(n-5)/10個元素大,因為在每一組中有2個元素小于本組的中位數(shù),而n/5個中位數(shù)中又有(n-5)/10個小于基準x(如圖)。同理,基準x也至少比3(n-5)/10個元素小。而當n≥75時,3(n-5)/10≥n/4所以按此基準劃分所得的2個子數(shù)組的長度都至少縮短1/4。,圖2-7 選擇劃分基準其中,n個元素用小圓點表示, 空心圓點為每組元素的中位數(shù);
47、 x為中位數(shù)的中位數(shù); 箭頭由較大元素指向較小元素。只要等于基準的元素不太多,利用這個基準來劃分的兩個數(shù)組的大小就不會相差太遠。,41,算法描述及復雜性分析,private static Comparable select (int p, int r, int k){//用某個簡單排序算法對數(shù)組a[p:r]排序; if (r-p<75) {bubbleSort(p,r);return a[p+k-1];}//
48、將ap+5*i至ap+5*i+4的第3小元素與ap+i交換;//找中位數(shù)的中位數(shù),r-p-4即前述n-5;for ( int i = 0; i<=(r-p-4)/5; i++ ){int s=p+5*i,t=s+4;for (int j=0;j<3;j++) bubble(s,t-j);MyMath.swap(a, p+i, s+2);}Comparable x = select(p, p+(r-p-4)/
49、5, (r-p+6)/10);int i=partition(p,r,x),j=i-p+1;if (k<=j) return select(p,i,k);else return select(i+1,r,k-j);},復雜度分析 C1為直接簡單排序時間C2n為執(zhí)行for循環(huán)的時間解遞歸方程得T(n)=O(n)說明:上述算法將每一組的大小定為5,并選取75作為是否作遞歸調用的分界點。這2點保證了T(n)的遞歸式
50、中2個自變量之和n/5+3n/4=19n/20=εn,0<ε<1。這是使T(n)=O(n)的關鍵之處。當然,除了5和75之外,還有其他選擇。上述算法中我們假設元素互不相等已保證劃分后子數(shù)組不超過3n/4。當元素可能相等時,設有m個(將他們集中起來),若j≤k≤j+m-1時返回ai;否則調用select(i+m+1, r, k-j-m)。,42,2.10 最接近點對問題,問題描述:給定平面上n個點,找其中的一對點,使得在n個
51、點所組成的所有點對中,該點對間的距離最小。說明:嚴格來講,最接近點對可能多于一對,為簡便起見,我們只找其中的一對作為問題的解。一個簡單的做法是將每一個點與其他n-1個點的距離算出,找出最小距離的點對即可。該方法的時間復雜性是T(n)=n(n-1)/2+n=O(n2),效率較低。已經(jīng)證明,該算法的計算時間下界是Ω(nlogn)。,43,一維空間中的情形,為了使問題易于理解和分析,先來考慮一維的情形。此時,S中的n個點退化為x軸上的
52、n個實數(shù)x1,x2,…,xn。最接近點對即為這n個實數(shù)中相差最小的2個實數(shù)。一個簡單的辦法是先把x1,x2,…,xn排好序,再進行一次線性掃描就可以找出最接近點對,T(n)=O(nlogn)。然而這種方法無法推廣到二維情形。假設我們用x軸上某個點m將S劃分為2個子集S1和S2 ,基于平衡子問題的思想,用S中各點坐標的中位數(shù)來作分割點。遞歸地在S1和S2上找出其最接近點對{p1,p2}和{q1,q2},并設d=min{|p1-p2|
53、,|q1-q2|},S中的最接近點對或者是{p1,p2},或者是{q1,q2},或者是某個{p3,q3},其中p3∈S1且q3∈S2。能否在線性時間內找到p3,q3?,44,算法描述及復雜性,如果S的最接近點對是{p3,q3},即|p3-q3|<d,則p3和q3兩者與m的距離不超過d,即p3∈(m-d,m],q3∈(m,m+d]。由于在S1中,每個長度為d的半閉區(qū)間至多包含一個點(否則必有兩點距離小于d),并且m是S1和S2的
54、分割點,因此(m-d,m]中至多包含S中的一個點。由圖可以看出,如果(m-d,m]中有S中的點,則此點就是S1中最大點。因此,我們用線性時間就能找到區(qū)間(m-d,m]和(m,m+d]中所有點,即p3和q3。從而我們用線性時間就可以將S1的解和S2的解合并成為S的解。分割點m的選取不當,會造成|Si|=1,|Sj|=n-1(i+j=1)的情形,使得T(n) =T(n-1)+O(n)=O(n2)。這種情形可以通過“平衡子問題”方法加以解
55、決:選取各點坐標的中位數(shù)作分割點。,算法描述:bool CPair1(S, d){n=|S|;if (nS1+S2;//S1={x|xm}CPair1(S1, d1);CPair1(S2, d2);p=max(S1);q=min(S2);d=min(d1, d2, q-p);return ture;}復雜性分析: T(n)=O(nlogn)該算法可推廣到二維的情形中去。,45,二維空間的最接近點對問題,下面
56、來考慮二維的情形。選取一垂直線l:x=m來作為分割直線。其中m為S中各點x坐標的中位數(shù)。由此將S分割為S1和S2。遞歸地在S1和S2上找出其最小距離d1和d2,并設d=min{d1,d2},S中的最接近點對或者是d,或者是某個{p,q},其中p∈P1且q∈P2 ,如圖2-9所示。能否在線性時間內找到p,q?考慮P1中任意一點p,它若與P2中的點q構成最接近點對的候選者,則必有distance(p,q)<d。滿足這個條件的P2中的
57、點一定落在一個d×2d的矩形R中,如圖2-10所示。由d的意義可知,P2中任何2個S中的點的距離都不小于d。由此可以推出矩形R中最多只有6個S中的點。,圖2-9距離直線l小于d的所有點,圖2-10包含q的d×2d矩形R,46,R中至多包含6個S中的點的證明,證明:將矩形R的長為2d的邊3等分,將它的長為d的邊2等分,由此導出6個(d/2)×(2d/3)的矩形(如圖(a)所示 )。若矩形R中有多于6個S
58、中的點,則由鴿舍原理易知至少有一個(d/2)×(2d/3)的小矩形中有2個以上S中的點。設u,v是位于同一小矩形中的2個點,則因此,distance(u,v)<d。這與d的意義相矛盾。也就是說,矩形R中最多有6個S中的點。極端情形:圖(b)是矩形R中恰有6個S中的點的極端情形。,47,說明,因此,在分治法的合并步驟中最多只需要檢查6×n/2=3n個候選者。為了確切地知道要檢查哪6個點,可以將p和P2
59、中所有S2的點投影到垂直線l上。由于能與p點一起構成最接近點對候選者的S2中點一定在矩形R中,所以它們在直線l上的投影點距p在l上投影點的距離小于d。由上面的分析可知,這種投影點最多只有6個。因此,若將P1和P2中所有S中點按其y坐標排好序,則對P1中所有點,對排好序的點列作一次掃描,就可以找出所有最接近點對的候選者。對P1中每一點最多只要檢查P2中排好序的相繼6個點。,48,算法描述及復雜性分析,算法描述:public stati
60、c double CPair2(S){n=|S|;if (n m}d1=cpair2(S1);d2=cpair2(S2);dm=min(d1,d2);設P1是S1中距垂直分割線l的距離在dm之內的所有點組成的集合;P2是S2中距分割線l的距離在dm之內所有點組成的集合;將P1和P2中點依其y坐標值排序;并設X和Y是相應的已排好序的點列;,通過掃描X以及對于X中每個點檢查Y中與其距離在dm之內的所有點(最多6個)可以完
61、成合并;當X中的掃描指針逐次向上移動時,Y中的掃描指針可在寬為2dm的區(qū)間內移動;設dl是按這種掃描方式找到的點對間的最小距離;d=min(dm,dl);return d;}復雜度分析: T(n)=O(nlogn)算法的具體實現(xiàn):略。,49,2.11 循環(huán)賽日程表,分治法不僅可以用來設計算法,而且再其他方面也有廣泛應用:利用分治法設計電路、構造數(shù)學證明等。循環(huán)賽日程標問題,設有n=2k個選手要進行循環(huán)賽,設計一個滿足
62、以下要求的比賽日程表:每個選手必須與其他n-1個選手各賽一次;每個選手一天只能賽一次;循環(huán)賽一共進行n-1天。按此要求,可以將比賽日程表設計成n行n-1列的表格,i行j列表示第i個選手在第j天所遇到的選手?;舅悸罚喊捶种尾呗?,將所有的選手分為兩組,n個選手的比賽日程表就可以通過為n/2個選手設計的比賽日程表來決定。遞歸地用對選手進行分割,直到只剩下2個選手時,比賽日程表的制定就變得很簡單。這時只要讓這2個選手進行比賽就可以了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 使用分治策略遞歸和非遞歸和遞推算法解決循環(huán)賽日程表課程設計報告
- 65、 算法策略與遞歸技術的聯(lián)系最弱課件
- 分治策略在關聯(lián)規(guī)則挖掘中的應用.pdf
- 實現(xiàn)具有回溯策略的遞歸函數(shù)backtrackdatalist
- 采用分治策略的網(wǎng)絡雙蠕蟲傳播過程的建模與分析.pdf
- 圣雄甘地與印巴分治.pdf
- 遞歸問題循環(huán)不變式開發(fā)新策略的研究與應用.pdf
- 數(shù)據(jù)結構課程設計報告-迷宮求解(遞歸與非遞歸)
- 基于分治策略的背包問題GPU并行算法研究.pdf
- 第06講棧與遞歸
- 淺談遞歸算法的任務驅動式教學策略
- 基于分治策略的物流在途時間預測模型研究.pdf
- 甘寧青三省分治研究
- [學習]算法設計與分析—遞歸算法
- 分治算法歸并排序
- 循環(huán)賽問題分析與c語言代碼-分治法
- 遞歸序列與組合恒等式.pdf
- 基于分治策略的Cafmull-Clark細分曲面布爾運算研究.pdf
- 遞歸下降分析器設計與實現(xiàn)
- java二叉樹的遍歷(遞歸和非遞歸)
評論
0/150
提交評論