四、递归 #{h4lte
q,:\i+>K*
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。 9,y&?GLP
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。 PI?-gc?[
【问题】 编写计算斐波那契(Fibonacci)数列的第n项函数fib(n)。 JC =Bxv
斐波那契数列为:0、1、1、2、3、……,即: 8:s3Q`O
fib(0)=0; Z]SCIU @+
fib(1)=1; Nm,vE7M
fib(n)=fib(n-1)+fib(n-2) (当n>1时)。 <[~x]-
写成递归函数有: Hlz4f+#I
int fib(int n) + !_^MB kk
{ if (n==0) return 0; ;U20g:K
if (n==1) return 1; Q 5@~0
if (n>1) return fib(n-1)+fib(n-2); a'T|p)N.;T
} j,1,;
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。 <EBp X
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。 sXhtn'<v
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。 ~Zj?%4
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。 h+Q==
【问题】 组合问题 k.lnG5e
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 mD )Nh
(4)5、3、2 (5)5、3、1 (6)5、2、1 8<]> q
(7)4、3、2 (8)4、3、1 (9)4、2、1 a?JU(
(10)3、2、1 x(S064
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。 B1LnuB%
【程序】 8|d[45*q
# include <stdio.h> 4yBe(&N-d
# define MAXN 100 #e9B|Y?b
int a[MAXN]; bM-Y4[
void comb(int m,int k) }*R"yp
{ int i,j; :m37Fpz&b
for (i=m;i>=k;i--) 8tdUnh%/
{ a[k]=i; "%.#/!RG
if (k>1)
Kjf#uU.7
comb(i-1,k-1); 'm2,7]
else x &9I2"
{ for (j=a[0];j>0;j--) <c\aZ9+V
printf(“%4d”,a[j]); B]Zsn`n
printf(“\n”); LG,RF:
} e,4!/|H:
} C&5T;=<jKO
} y!v $5wi
gH_r'j
void main() +- .BF"}
{ a[0]=3; 1%-?e``.
comb(5,3); _aDx('
} <4O=[Q 5S
【问题】 背包问题 mR0@R;,p
问题描述:有不同价值、不同重量的物品n件,求从这n件物品中选取一部分物品的选择方案,使选中物品的总重量不超过指定的限制重量,但选中物品的价值之和最大。 .
}=;]=
设n件物品的重量分别为w0、w1、…、wn-1,物品的价值分别为v0、v1、…、vn-1。采用递归寻找物品的选择方案。设前面已有了多种选择的方案,并保留了其中总价值最大的方案于数组option[ ],该方案的总价值存于变量maxv。当前正在考察新方案,其物品选择情况保存于数组cop[ ]。假定当前方案已考虑了前i-1件物品,现在要考虑第i件物品;当前方案已包含的物品的重量之和为tw;至此,若其余物品都选择是可能的话,本方案能达到的总价值的期望值为tv。算法引入tv是当一旦当前方案的总价值的期望值也小于前面方案的总价值maxv时,继续考察当前方案变成无意义的工作,应终止当前方案,立即去考察下一个方案。因为当方案的总价值不比maxv大时,该方案不会被再考察,这同时保证函数后找到的方案一定会比前面的方案更好。 3)3'-wu
对于第i件物品的选择考虑有两种可能: %hTe%(e
(1) 考虑物品i被选择,这种可能性仅当包含它不会超过方案总重量限制时才是可行的。选中后,继续递归去考虑其余物品的选择。 Jp=
(Q]ab
(2) 考虑物品i不被选择,这种可能性仅当不包含物品i也有可能会找到价值更大的方案的情况。 vW4f 3(/
按以上思想写出递归算法如下: m.^6ef
try(物品i,当前选择已达到的重量和,本方案可能达到的总价值tv) @C!q S7k)
{ /*考虑物品i包含在当前方案中的可能性*/ ZDVaKDqZ_
if(包含物品i是可以接受的) .4^Paxz
{ 将物品i包含在当前方案中; >Y\4v}-
if (i<n-1) st+Kz uK
try(i+1,tw+物品i的重量,tv); Br yMq !
else He]F~GXP
/*又一个完整方案,因为它比前面的方案好,以它作为最佳方案*/ ntF(K/~Y
以当前方案作为临时最佳方案保存; #JW1JCT
恢复物品i不包含状态; EAq >v
t83
} I+<`}
/*考虑物品i不包含在当前方案中的可能性*/ nB:Bw8U"Q
if (不包含物品i仅是可男考虑的) de`6%%|
if (i<n-1) ZO;]Zt]
try(i+1,tw,tv-物品i的价值); v$mA7|(t!
else ~cZ1=,P
/*又一个完整方案,因它比前面的方案好,以它作为最佳方案*/ 19=Dd#Nf
以当前方案作为临时最佳方案保存; v(t&8)Uu
} |
'z)RFqj
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: I+<; Dsp
物品 0 1 2 3 =k8A7P
重量 5 3 2 1 +L49
pv5
价值 4 4 3 1 1/fvk
-~-2 g
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。 '{+hti,Lh
_rR.Y3N
按上述算法编写函数和程序如下: a%]p*X!
【程序】 2xnOWW
# include <stdio.h> V2y[IeSQ
# define N 100 P `oR-D
double limitW,totV,maxV; D=OU61AA
int option[N],cop[N]; >N3{*W
struct { double weight; MD
On; Af>
double value; A9R}74e4g
}a[N]; qMUqd}=P
int n; g_x<+3a
void find(int i,double tw,double tv) '+eP%Y[W%
{ int k; h]=chz
/*考虑物品i包含在当前方案中的可能性*/ <B
fwR$
if (tw+a.weight<=limitW) rcbixOT
{ cop=1; C4G)anT
if (i<n-1) find(i+1,tw+a.weight,tv); t^[{8,N
else L{Th>]X
{ for (k=0;k<n;k++) 4Cfwz-Qo
option[k]=cop[k]; /;lk.-yU
maxv=tv; l9jcoVo.
} tT
v@8f
cop=0; E?zp?t:a
} +|0 m6)J]
/*考虑物品i不包含在当前方案中的可能性*/ 49#-\=<gt
if (tv-a.value>maxV) iKK=A.g
if (i<n-1) find(i+1,tw,tv-a.value); 3a5H<3w_
else givK{Yt<B
{ for (k=0;k<n;k++) 4-"wFp
option[k]=cop[k]; XmnqZWB
maxv=tv-a.value; IX>|bA;
} 980+Y
} ^*r${Nj
'|cuVxcE55
void main() B8nXWi
{ int k; cshUxabB
double w,v; td m{
V
st
printf(“输入物品种数\n”); 1dq.UW\
scanf((“%d”,&n); Rsulp#['
printf(“输入各物品的重量和价值\n”); *H$nydQ:
for (totv=0.0,k=0;k<n;k++) f*I5m=
{ scanf(“%1f%1f”,&w,&v); F;ZLoG*U
a[k].weight=w; m0edkt-x
a[k].value=v; A1@-;/H3
totV+=V; >}I}9y+
} 3}+/\:q*
printf(“输入限制重量\n”); X}!_p& WI
scanf(“%1f”,&limitV); U!'lc}5
maxv=0.0; %MIu;u FR
for (k=0;k<n;k++) cop[k]=0; =MXF`k^}
find(0,0.0,totV); *K)v&}uw
for (k=0;k<n;k++) ;z?XT\C$
if (option[k]) printf(“%4d”,k+1); 2iGRw4`_a
printf(“\n总价值为%.2f\n”,maxv); p"JSYF
9]
} EW!$D
作为对比,下面以同样的解题思想,考虑非递归的程序解。为了提高找解速度,程序不是简单地逐一生成所有候选解,而是从每个物品对候选解的影响来形成值得进一步考虑的候选解,一个候选解是通过依次考察每个物品形成的。对物品i的考察有这样几种情况:当该物品被包含在候选解中依旧满足解的总重量的限制,该物品被包含在候选解中是应该继续考虑的;反之,该物品不应该包括在当前正在形成的候选解中。同样地,仅当物品不被包括在候选解中,还是有可能找到比目前临时最佳解更好的候选解时,才去考虑该物品不被包括在候选解中;反之,该物品不包括在当前候选解中的方案也不应继续考虑。对于任一值得继续考虑的方案,程序就去进一步考虑下一个物品。 AVJk
【程序】 tL5Xfd?u
# include <stdio.h> }/LYI
# define N 100 I*ej_cFQ^
double limitW; }n.h)Oz
int cop[N]; pta%%8":
struct ele { double weight; |Bn=$T]
double value; .$yw;go3
} a[N]; Q\oUZnD$=
int k,n; izKk@{Md
struct { int flg; 5A)w.i&V
double tw; GBQb({
double tv; `%=Jsi0.Nq
}twv[N]; bXW)n<y
void next(int i,double tw,double tv) J.&q[
{ twv.flg=1; SUEw5qitB
twv.tw=tw; 7HJv4\K
twv.tv=tv; </%H 'V@
} T/K.'92S
double find(struct ele *a,int n) sV6A&