浏览 5115 次
|
锁定老帖子 主题：递归算法分析-分享
该帖已经被评为新手帖
|
|
|---|---|
| 作者 | 正文 |
|
发表时间：2010-06-19
最后修改：2010-06-21
1. 深入认识递归
(1) 递归执行过程 例子：求N!。 这是一个简单的"累乘"问题，用递归算法也能解决。 n! = n * (n - 1)! n > 1 0! = 1, 1! = 1 n = 0,1 因此，递归算法如下： fact(int n) {
if(n == 0 || n == 1)
return 1;
else
return n * fact(n - 1);
}
以n=3为例，看运行过程如下： fact(3) ----- fact(2) ----- fact(1) ------ fact(2) -----fact(3) ------------------------------> ------------------------------> 递归 回溯 递归算法在运行中不断调用自身降低规模的过程，当规模降为1，即递归到fact(1)时，满足停止条件停止递归，开始回溯(返回调用算法)并计算，从fact(1)=1计算返回到fact(2);计算2*fact(1)=2返回到fact(3)；计算3*fact(2)=6，结束递归。 算法的起始模块也是终止模块。 (2) 递归实现机制 每一次递归调用，都用一个特殊的数据结构"栈"记录当前算法的执行状态，特别地设置地址栈，用来记录当前算法的执行位置，以备回溯时正常返回。递归模块的形式参数是普通变量，每次递归调用得到的值都是不同的，他们也是由"栈"来存储。 (3) 递归调用的几种形式 一般递归调用有以下几种形式(其中a1、a2、b1、b2、k1、k2为常数)。 <1> 直接简单递归调用： f(n) {...a1 * f((n - k1) / b1); ...}; <2> 直接复杂递归调用： f(n) {...a1 * f((n - k1) / b1); a2 * f((n - k2) / b2); ...}; <3> 间接递归调用： f(n) {...a1 * f((n - k1) / b1); ...}， g(n) {...a2 * f((n - k2) / b2); ...}。 2. 递归算法效率分析方法 递归算法的分析方法比较多，最常用的便是迭代法。 迭代法的基本步骤是先将递归算法简化为对应的递归方程，然后通过反复迭代，将递归方程的右端变换成一个级数，最后求级数的和，再估计和的渐进阶。 <1> 例：n! 算法的递归方程为： T(n) = T(n - 1) + O(1); 迭代展开： T(n) = T(n - 1) + O(1) = T(n - 2) + O(1) + O(1) = T(n - 3) + O(1) + O(1) + O(1) = ...... = O(1) + ... + O(1) + O(1) + O(1) = n * O(1) = O(n) 这个例子的时间复杂性是线性的。 <2> 例：如下递归方程： T(n) = 2T(n/2) + 2, 且假设n=2的k次方。 T(n) = 2T(n/2) + 2 = 2(2T(n/2*2) + 2) + 2 = 4T(n/2*2) + 4 + 2 = 4(2T(n/2*2*2) + 2) + 4 + 2 = 2*2*2T(n/2*2*2) + 8 + 4 + 2 = ... = 2的(k-1)次方 * T(n/2的(i-1)次方) + $(i:1~(k-1))2的i次方 = 2的(k-1)次方 + (2的k次方) - 2 = (3/2) * (2的k次方) - 2 = (3/2) * n - 2 = O(n) 这个例子的时间复杂性也是线性的。 <3> 例：如下递归方程： T(n) = 2T(n/2) + O(n), 且假设n=2的k次方。 T(n) = 2T(n/2) + O(n) = 2T(n/4) + 2O(n/2) + O(n) = ... = O(n) + O(n) + ... + O(n) + O(n) + O(n) = k * O(n) = O(k*n) = O(nlog2n) //以2为底 一般地，当递归方程为T(n) = aT(n/c) + O(n), T(n)的解为： O(n) (a<c && c>1) O(nlog2n) (a=c && c>1) //以2为底 O(nlogca) (a>c && c>1) //n的(logca)次方，以c为底 上面介绍的3种递归调用形式，比较常用的是第一种情况，第二种形式也有时出现，而第三种形式(间接递归调用)使用的较少，且算法分析 比较复杂。 下面举个第二种形式的递归调用例子。 <4> 递归方程为：T(n) = T(n/3) + T(2n/3) + n 为了更好的理解，先画出递归过程相应的递归树： n --------> n n/3 2n/3 --------> n n/9 2n/9 2n/9 4n/9 --------> n ...... ...... ...... ....... ...... -------- 总共O(nlogn) 累计递归树各层的非递归项的值，每一层和都等于n，从根到叶的最长路径是： n --> (2/3)n --> (4/9)n --> (12/27)n --> ... --> 1 设最长路径为k，则应该有： (2/3)的k次方 * n = 1 得到 k = log(2/3)n // 以(2/3)为底 于是 T(n) <= (K + 1) * n = n (log(2/3)n + 1) 即 T(n) = O(nlogn) 由此例子表明，对于第二种递归形式调用，借助于递归树，用迭代法进行算法分析是简单易行的。 声明：ITeye文章版权属于作者，受法律保护。没有作者书面许可不得转载。
推荐链接
|
| 返回顶楼 | |
|
发表时间：2010-06-21
最后修改：2010-06-21
引用 1. fact(int n) { 2. if(n == 0 || n == 1) 3. return 0; 4. else 5. return n * fact(n - 1); 6. } return 0 ? 牛的。 |
| 返回顶楼 | |
|
发表时间：2010-06-21
ivaneve 写道 引用 1. fact(int n) { 2. if(n == 0 || n == 1) 3. return 0; 4. else 5. return n * fact(n - 1); 6. } return 0 ? 牛的。 仔细哦 已修正 |
| 返回顶楼 | |
|
发表时间：2010-06-21
递归次数太多的话，容易栈溢出
|
| 返回顶楼 | |
|
发表时间：2010-06-21
哎 递归好难啊 怎么学都学不会 太笨了我
|
| 返回顶楼 | |
|
发表时间：2010-07-14
楼上“love_ai87 ”提到递归太深的话，容易导致JVM内存溢出，我也遇到过此问题，这个有什么好的解决办法吗？因为递归的深度（次数），大多数时候都是根据具体数据而定，所有就很头痛了。
|
| 返回顶楼 | |
