四、递归 $&.
rS.*
c^}DBvG,
递归是设计和描述算法的一种有力的工具,由于它在复杂算法的描述中被经常采用,为此在进一步介绍其他算法设计方法之前先讨论它。 4siq
能采用递归描述的算法通常有这样的特征:为求解规模为N的问题,设法将它分解成规模较小的问题,然后从这些小问题的解方便地构造出大问题的解,并且这些规模较小的问题也能采用同样的分解和综合方法,分解成规模更小的问题,并从这些更小问题的解构造出规模较大问题的解。特别地,当规模N=1时,能直接得解。 ryt`yO
【问题】 编写计算斐波那契(Fibonacci)数列的第n项函数fib(n)。 /3qKsv#
斐波那契数列为:0、1、1、2、3、……,即: @BI;H
V%k
fib(0)=0; ~p\r( B7G
fib(1)=1; +Al*MusS
fib(n)=fib(n-1)+fib(n-2) (当n>1时)。 y6 gaoj
写成递归函数有: z/f0.RJ
int fib(int n) L
[X"N
{ if (n==0) return 0; fWl #CI\]
if (n==1) return 1; 3F{R$M}
if (n>1) return fib(n-1)+fib(n-2); MZdj!(hO
} 7J5Yzu)D
递归算法的执行过程分递推和回归两个阶段。在递推阶段,把较复杂的问题(规模为n)的求解推到比原问题简单一些的问题(规模小于n)的求解。例如上例中,求解fib(n),把它推到求解fib(n-1)和fib(n-2)。也就是说,为计算fib(n),必须先计算fib(n-1)和fib(n-2),而计算fib(n-1)和fib(n-2),又必须先计算fib(n-3)和fib(n-4)。依次类推,直至计算fib(1)和fib(0),分别能立即得到结果1和0。在递推阶段,必须要有终止递归的情况。例如在函数fib中,当n为1和0的情况。 } v3w-
在回归阶段,当获得最简单情况的解后,逐级返回,依次得到稍复杂问题的解,例如得到fib(1)和fib(0)后,返回得到fib(2)的结果,……,在得到了fib(n-1)和fib(n-2)的结果后,返回得到fib(n)的结果。 o:lMRP~
在编写递归函数时要注意,函数中的局部变量和参数知识局限于当前调用层,当递推进入“简单问题”层时,原来层次上的参数和局部变量便被隐蔽起来。在一系列“简单问题”层,它们各有自己的参数和局部变量。 2 :&QBwr+;
由于递归引起一系列的函数调用,并且可能会有一系列的重复计算,递归算法的执行效率相对较低。当某个递归算法能较方便地转换成递推算法时,通常按递推算法编写程序。例如上例计算斐波那契数列的第n项的函数fib(n)应采用递推算法,即从斐波那契数列的前两项出发,逐次由前两项计算出下一项,直至计算出要求的第n项。 [&:dPd1_
【问题】 组合问题 c=4z+_ K
问题描述:找出从自然数1、2、……、n中任取r个数的所有组合。例如n=5,r=3的所有组合为: (1)5、4、3 (2)5、4、2 (3)5、4、1 B8?j"AF
(4)5、3、2 (5)5、3、1 (6)5、2、1 ~f?brQ?
(7)4、3、2 (8)4、3、1 (9)4、2、1 dIk9C|-.
(10)3、2、1 ZtX\E+mC
分析所列的10个组合,可以采用这样的递归思想来考虑求组合函数的算法。设函数为void comb(int m,int k)为找出从自然数1、2、……、m中任取k个数的所有组合。当组合的第一个数字选定时,其后的数字是从余下的m-1个数中取k-1数的组合。这就将求m个数中取k个数的组合问题转化成求m-1个数中取k-1个数的组合问题。设函数引入工作数组a[ ]存放求出的组合的数字,约定函数将确定的k个数字组合的第一个数字放在a[k]中,当一个组合求出后,才将a[ ]中的一个组合输出。第一个数可以是m、m-1、……、k,函数将确定组合的第一个数字放入数组后,有两种可能的选择,因还未去顶组合的其余元素,继续递归去确定;或因已确定了组合的全部元素,输出这个组合。细节见以下程序中的函数comb。 Ksvk5r&y
【程序】 O2oF\E_6
# include <stdio.h> Twpk@2=l
# define MAXN 100 '$q3 Ze
int a[MAXN]; i6xzHfaYG
void comb(int m,int k) G3.\x_;k
{ int i,j; So}pA2[0
for (i=m;i>=k;i--) $~'G<YYF4
{ a[k]=i; Ej$oRo{IG
if (k>1) Nq[-.}Z6
comb(i-1,k-1); \N)!]jq
else cs)R8vuB)z
{ for (j=a[0];j>0;j--) qDjH^f
printf(“%4d”,a[j]); -hZw.eChQa
printf(“\n”); ]t_ Wl1*|
} vW5>{
} hj=k[t|g}
} ZKVM9ofXRi
'2m"ocaf
void main() Xb1is\JB
{ a[0]=3; f:ep~5] G
comb(5,3); e
J:#vX86
}
{5JYu
【问题】 背包问题 ){4$oXQ
问题描述:有不同价值、不同重量的物品n件,求从这n件物品中选取一部分物品的选择方案,使选中物品的总重量不超过指定的限制重量,但选中物品的价值之和最大。 jN!sLW
设n件物品的重量分别为w0、w1、…、wn-1,物品的价值分别为v0、v1、…、vn-1。采用递归寻找物品的选择方案。设前面已有了多种选择的方案,并保留了其中总价值最大的方案于数组option[ ],该方案的总价值存于变量maxv。当前正在考察新方案,其物品选择情况保存于数组cop[ ]。假定当前方案已考虑了前i-1件物品,现在要考虑第i件物品;当前方案已包含的物品的重量之和为tw;至此,若其余物品都选择是可能的话,本方案能达到的总价值的期望值为tv。算法引入tv是当一旦当前方案的总价值的期望值也小于前面方案的总价值maxv时,继续考察当前方案变成无意义的工作,应终止当前方案,立即去考察下一个方案。因为当方案的总价值不比maxv大时,该方案不会被再考察,这同时保证函数后找到的方案一定会比前面的方案更好。 ``Rg0o
对于第i件物品的选择考虑有两种可能: ^2"w5F
(1) 考虑物品i被选择,这种可能性仅当包含它不会超过方案总重量限制时才是可行的。选中后,继续递归去考虑其余物品的选择。 %Wt F\p
(2) 考虑物品i不被选择,这种可能性仅当不包含物品i也有可能会找到价值更大的方案的情况。 x=V3_HI/}
按以上思想写出递归算法如下: >*]B4Q
try(物品i,当前选择已达到的重量和,本方案可能达到的总价值tv) ,-1d2y
{ /*考虑物品i包含在当前方案中的可能性*/ &IkHP/
if(包含物品i是可以接受的) .Iv`B:4
{ 将物品i包含在当前方案中; $QaEU="Z
if (i<n-1)
S
vW{1
try(i+1,tw+物品i的重量,tv); 8FQNeQr
else 0D}k ^W
/*又一个完整方案,因为它比前面的方案好,以它作为最佳方案*/ FF#?x@N:
以当前方案作为临时最佳方案保存; g\@zQ^O?
恢复物品i不包含状态; *N%)+-
} 2Kw i4R
/*考虑物品i不包含在当前方案中的可能性*/ NtQ#su$
if (不包含物品i仅是可男考虑的) /!W',9ua6
if (i<n-1) L}>ts(!q&
try(i+1,tw,tv-物品i的价值); K#dG'/M|Pb
else @mEB=X(-l=
/*又一个完整方案,因它比前面的方案好,以它作为最佳方案*/ |kqRhR(Ei
以当前方案作为临时最佳方案保存; (YHK,aC>u
} eyG[1EEU
为了理解上述算法,特举以下实例。设有4件物品,它们的重量和价值见表: ]O&yy{yYK
物品 0 1 2 3 h BzZJ/jn
重量 5 3 2 1 ! Y'~?BI
价值 4 4 3 1 |6~ Kin
(b+o$C
并设限制重量为7。则按以上算法,下图表示找解过程。由图知,一旦找到一个解,算法就进一步找更好的佳。如能判定某个查找分支不会找到更好的解,算法不会在该分支继续查找,而是立即终止该分支,并去考察下一个分支。 }\vw>iHPX@
Gvquv\
按上述算法编写函数和程序如下: %`]fZr A]#
【程序】 K#]FUUnj=
# include <stdio.h> Wfh+D[^
# define N 100 mxTuwx
double limitW,totV,maxV; 6#kK
int option[N],cop[N]; TR!7@Mu3
struct { double weight; v8K4u)
double value; X9#i!_*
}a[N]; *%2,=
p
int n; }Hb_8P
void find(int i,double tw,double tv) 7:wf!\@I
{ int k; 3s_$.
/*考虑物品i包含在当前方案中的可能性*/ |7b@w;q,D
if (tw+a.weight<=limitW) ePTN^#|W
{ cop=1; *m`F-J6U
if (i<n-1) find(i+1,tw+a.weight,tv); /(Ryh6M
else @0iXqM#jH
{ for (k=0;k<n;k++) u(4o#m
option[k]=cop[k]; V#V<Kz
maxv=tv; c~ Q5A
} I 3dUI~}u
cop=0; ='fN
xabB
} 1|5TuljTd
/*考虑物品i不包含在当前方案中的可能性*/ ]wV_xZ)l^A
if (tv-a.value>maxV) pY(S]i
if (i<n-1) find(i+1,tw,tv-a.value); 9HD 5A$
else #;<dtw
{ for (k=0;k<n;k++) S5wkBdr{
option[k]=cop[k]; PAv<J<d
maxv=tv-a.value; W+aW2
} xWKUti i
} w/Wd^+IIn
`+GiSj8'G
void main() p+Icq!aH5
{ int k; iL3k8:x
double w,v; T0K*!j}O
printf(“输入物品种数\n”); 4,:)%KB"V
scanf((“%d”,&n); \w2X.2b.F
printf(“输入各物品的重量和价值\n”); {e83 A/{
for (totv=0.0,k=0;k<n;k++) 4m6%HV8{}[
{ scanf(“%1f%1f”,&w,&v); '
y_2"
a[k].weight=w; =v~$&@
a[k].value=v; @<44wMp
totV+=V; Z^GXKOeq
} _"- ,ia[D
printf(“输入限制重量\n”); M.KXDD#O
scanf(“%1f”,&limitV); Ir3|PehB
maxv=0.0; \,yg@R
for (k=0;k<n;k++) cop[k]=0; opqf)C
find(0,0.0,totV); r+}<]?aT>-
for (k=0;k<n;k++) Px?0)^"2
if (option[k]) printf(“%4d”,k+1); WsR4)U/]v
printf(“\n总价值为%.2f\n”,maxv); -d6PXf5
} ]0;,M
作为对比,下面以同样的解题思想,考虑非递归的程序解。为了提高找解速度,程序不是简单地逐一生成所有候选解,而是从每个物品对候选解的影响来形成值得进一步考虑的候选解,一个候选解是通过依次考察每个物品形成的。对物品i的考察有这样几种情况:当该物品被包含在候选解中依旧满足解的总重量的限制,该物品被包含在候选解中是应该继续考虑的;反之,该物品不应该包括在当前正在形成的候选解中。同样地,仅当物品不被包括在候选解中,还是有可能找到比目前临时最佳解更好的候选解时,才去考虑该物品不被包括在候选解中;反之,该物品不包括在当前候选解中的方案也不应继续考虑。对于任一值得继续考虑的方案,程序就去进一步考虑下一个物品。 G3de<?K.[V
【程序】 =+VI{~.|}
# include <stdio.h> &_$xMM,X
# define N 100 K=!?gd!Vw
double limitW; !&Us^Q^
int cop[N]; 42 0cbD3a
struct ele { double weight; 4j~WrdI*
double value; wKAxUPzm
} a[N]; s7:w>,v/
int k,n; ;Dc\[r
struct { int flg; o^<W3Z
double tw; )|<g\>/
double tv; 10$:^
}twv[N]; BHZSc(-o
void next(int i,double tw,double tv) I7jIA>ZZi
{ twv.flg=1; ^tl&FWF
twv.tw=tw; dx"9jFn
twv.tv=tv; p&3~n:
Fo
} "Kf4v|6;
double find(struct ele *a,int n) Q&?B^[N*Q
{ int i,k,f; $kn"S>jV
double maxv,tw,tv,totv; l6HT}x7OiH
maxv=0; 09Y:(2Qri
for (totv=0.0,k=0;k<n;k++) P:c'W?
totv+=a[k].value; a`S3v
next(0,0.0,totv); _Uup*#m
i=0; wI2fCq(a0
While (i>=0) 2Q[q)u
{ f=twv.flg; 3H,>[&d
tw=twv.tw; n|!O .+\b
tv=twv.tv; No(S#,vJ;
switch(f) fh@/fd
{ case 1: twv.flg++; u&$1XZ!es
if (tw+a.weight<=limitW) >2;KPV0H
if (i<n-1) G>W:3y
{ next(i+1,tw+a.weight,tv); &