【数据结构】递归与分治

一.递归

1.递归的概念:

子程序(或函数). 接调用自己或通过一系列调用语句间接调用自己,成为递归。

递归是一种描述问题和解决问题的基本方法。

重复地把问题转化为与原问题相似的新问题,直到问题解决为止。

2.递归的要素:

1)递归边界条件

确定递归到何处终止,也称为递归出口

2)递归模式:

大问题是如何分解为小问题的,也称为递归体

3.递归的特点:

递归:结构清晰,程序容易编写,但需要更多的存储空间和时间。

4.递归与栈:

递归过程都是通过栈来实现的,任何递归算法都可以通过栈来改写为非递归算法。

递归调用,回归求值。

5.递归例子:

1)汉诺塔问题

算法思想:

当n=1时,只需将改圆盘从X移动到Z即可;

$n \geqslant 1$时,将压在n号盘上的n-1个盘子移动到Y,然后把n号盘从X移动到Z上,最后再将Y上的n-1个盘子移动到Z上。

void move(char a,char b){cout<<a<<"->"<<b<<endl;
}
void hanoi(int n,char x,char y,char z){if(n==1){move('x','z');}else{hanoi(n-1,x,z,y);move(x,z);hanoi(n-1,y,x,z);}
}

2)求阶乘 

int fact(int n){if(n==0){return 1;}else{return n*fact(n-1);}
}

二.分治

1.基本思想:

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。

1)将要求解的较大规模问题分解为k个更小规模的子问题,对这k个子问题分别求解。

2)如果子问题的规模仍然不够小,则对每个子问题再划分为k个子问题,如此递归的进行下去,直到问题规模足够小,很容易求出其解为止。

3)将求出的小规模的问题的解合并为一个更大规模的问题的解,自底向上逐步求出原来问题的解。

2.分治法的适用条件:

1)该问题的规模缩小到一定的程度就可以容易的解决

2)该问题可以划分为若干个规模较小的问题

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,子问题之间不包含公共的子问题,如果子问题之间有重复的部分,使用动态规划更好

5)使用分治法最好使子问题的规模大致相同,将一个问题分成大小相等的k个子问题,思想源于平衡子问题。

 4.分治法的复杂性分析:

解递归式:

  • 代换法
  • 主方法
  • 迭代法递归树方法

主方法:

$T(n)=aT(n/b)+f(n)$

其中$a\geqslant 1 $  $b> 1$,a,b均为常数

如果对于某常数$\epsilon> 0$,有$f(n)=O(n^{log_b^{a-\epsilon}})$,则$T(n)=\Theta(n^{log_b^a})$

$f(n)=\Theta(n^{log_b^a})$,则$T(n)=\Theta(n^{log_b^{a}}lgn)$ 

如果对于某常数$\epsilon> 0$,有$f(n)=\Omega(n^{log_b^{a+\epsilon}})$,且对于常数$c< 1$,与足够大的n,有$af(n/b)\leq cf(n)$,则$T(n)=\Theta(f(n))$

例子:

$T(n)=9T(n/3)+n$

时间复杂度:$O(n^2)$

$T(n)=T(2n/3)+1$

$log_{\frac{3}{2}^1}=0$         $n^0=1$

时间复杂度:lgn 

$T(n)=3T(n/4)+n$

时间复杂度:O(n)

习题:

$(1)T(n)=4T(n/3)+n^2$

时间复杂度:$O(n^2)$

$(2)T(n)=4T(n/3)+n$

时间复杂度:$O(n^{log_3^4})$

$(3)T(n)=9T(n/3)+n^2$

时间复杂度:

$O(n^2logn)$

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/240885.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

[EFI]联想Thinkpad X1 (2020)电脑 Hackintosh 黑苹果efi引导文件

硬件型号驱动情况主板 Thinkpad X1 Carbon 处理器Intel Core i5-10210U (formerly Comet Lake)已驱动内存8GB DDR3 (or something like that)已驱动硬盘WDC PC SN730 SDBQNTY-256G-1001已驱动显卡Intel UHD 620Nvidia GeForce MX250(屏蔽)无法驱动声卡Realtek ALC285已驱动网卡…

面向LLM的App架构——技术维度

这是两篇面向LLM的大前端架构的第二篇&#xff0c;主要写我对LLM辅助开发能力的认知以及由此推演出的适合LLM辅助开发的技术架构。 LLM之于代码 商业代码对质量的要求其实对LLM是有点高的。主要是输入准确度、输出准确度&#xff08;这个是绝大部分人质疑的点&#xff09;、知…

ElasticSearch学习篇9_文本相似度计算方法现状以及基于改进的 Jaccard 算法代码实现

背景 XOP亿级别题库的试题召回以及搜题的举一反三业务场景都涉及使用文本相似搜索技术&#xff0c;学习此方面技术以便更好的服务于业务场景。 目前基于集合的Jaccard算法以及基于编辑距离的Levenshtein在计算文本相似度场景中有着各自的特点&#xff0c;为了优化具体的计算时…

Mybatis配置-环境配置(environments)

MyBatis支持配置多个环境&#xff0c;这有助于将您的SQL映射应用于多个数据库&#xff0c;无论出于何种原因。例如&#xff0c;您可能希望为开发、测试和生产环境使用不同的配置。或者&#xff0c;您可能有多个共享相同模式的生产数据库&#xff0c;并且想要在两者上使用相同的…

【Linux驱动】字符设备驱动程序框架 | LED驱动

&#x1f431;作者&#xff1a;一只大喵咪1201 &#x1f431;专栏&#xff1a;《RTOS学习》 &#x1f525;格言&#xff1a;你只管努力&#xff0c;剩下的交给时间&#xff01; 目录 &#x1f3c0;Hello驱动程序⚽驱动程序框架⚽编程 &#x1f3c0;LED驱动⚽配置GPIO⚽编程驱动…

YB75XXH系列是采用CMOS工艺制造,低功耗的高压稳压器

YB75xxH 高耐压线性稳压器 ■产品简介&#xff1a; YB75XXH系列是采用CMOS工艺制造&#xff0c;低功耗的高压稳压器&#xff0c;最高输入电压可达25V,输出电压范围为1.5V一12.0V。它具有高精度的输出电压、极低的供电电流、极低的跌落电压等特点。 ■产品特点&#xff1a; …

SpringBoot 3 集成Hive 3

前提条件: 运行环境&#xff1a;Hadoop 3.* Hive 3.* MySQL 8 &#xff0c;如果还未安装相关环境&#xff0c;请参考&#xff1a;Hive 一文读懂 Centos7 安装Hadoop3 单机版本&#xff08;伪分布式版本&#xff09; SpringBoot 2 集成Hive 3 pom.xml <?xml ver…

如何解决错误代码0xc0000001,这里提供错误原因、解决办法和预防措施

错误代码0xc0000001是Windows中最常见的错误代码之一&#xff0c;可以追溯到Windows XP。如果你看到它&#xff0c;你可能遇到严重的问题&#xff0c;因为你的电脑可能丢失了一段重要的代码或一个重要的组件。以下是错误代码0xc0000001以及如何处理它。​ 错误代码0xc0000001的…

MyBatis 通过 SqlSession 实现动态Entity批量插入

需要几个关键点: 1、entity对应的service需要继承BaseService 2、entity对应的serviceImpl需要实现baseMapper方法&#xff0c;需要把当前的mapper返回去 3、entity对应的Mapper需要BaseMapper

又是阿里,通义灵码免费平替GitHub Copilot

毫无疑问&#xff0c;人工智能已经在影响着我们日常生活的方方面面&#xff0c;同样的在软件开发领域&#xff0c;AI正在改变我们的开发方式。在软件开发领域&#xff0c;尽管有许多强大的AI编码工具&#xff0c;但国产&#xff0c;免费&#xff0c;使用门槛低&#xff0c;用起…

机器学习算法(11)——集成技术(Boosting——梯度提升)

一、说明 在在这篇文章中&#xff0c;我们学习了另一种称为梯度增强的集成技术。这是我在机器学习算法集成技术文章系列中与bagging一起介绍的一种增强技术。我还讨论了随机森林和 AdaBoost 算法。但在这里我们讨论的是梯度提升&#xff0c;在我们深入研究梯度提升之前&#xf…

linux buffer的回写的触发链路

mark_buffer_dirty中除了会标记dirty到buffer_head->state、page.flag、folio->mapping->i_pages外&#xff0c;还会调用inode所在文件系统的dirty方法&#xff08;inode->i_sb->s_op->dirty_inode&#xff09;。然后为inode创建一个它所在memory group的wri…

脱离SpringCloud,怎么使用Feign远程调用接口?Gradle项目教程

一、引入依赖 implementation io.github.openfeign:feign-core:11.0 implementation com.netflix.feign:feign-jackson:8.18.0 二、客户端接口类 MyFeignClient package com.fdw.study.feign;import com.fdw.study.validate.User; import feign.RequestLine; import org.sprin…

(十七)Flask之大型项目目录结构示例【二扣蓝图】

大型项目目录结构&#xff1a; 问题引入&#xff1a; 在上篇文章讲蓝图的时候我给了一个demo项目&#xff0c;其中templates和static都各自只有一个&#xff0c;这就意味着所有app的模板和静态文件都放在了一起&#xff0c;如果项目比较大的话&#xff0c;这就非常乱&#xf…

[node] Node.js的全局对象Global

[node] Node.js的全局对象Global 什么是全局对象 & 全局变量全局对象与全局变量全局变量-- __filename全局变量-- __dirname全局函数-- setTimeout(cb, ms)全局函数-- clearTimeout(t)全局函数-- setInterval(cb, ms)全局变量-- consoleconsole 方法概览 全局变量-- proces…

阿里云吴结生:云计算是企业实现数智化的阶梯

云布道师 近年来&#xff0c;越来越多人意识到&#xff0c;我们正处在一个数据爆炸式增长的时代。IDC 预测 2027 年全球产生的数据量将达到 291 ZB&#xff0c;与 2022 年相比&#xff0c;增长了近 2 倍。其中 75% 的数据来自企业&#xff0c;每一个现代化的企业都是一家数据公…

Http 请求体和响应体中重要的字段

Http 请求体 Accept&#xff1a;用于告诉服务器客户端能够处理哪些媒体类型。Accept 头中的值通常是一个或多个 MIME 类型&#xff0c;并按优先级排序。服务器会根据 Accept 头中的值来决定响应的内容类型。例如&#xff0c;Accept: text/plain, text/html。Content-Type&…

CentOS 8的新特性

CentOS 8在2019年发布&#xff0c;带来了比CentOS 7更多的新特性和改进。以下是一些主要的变化和优化&#xff1a; 软件包更新&#xff1a;CentOS 8提供了更新的软件包和程序&#xff0c;包括但不限于Python 3、MySQL 8、PHP 7.2、Ruby 2.5、PostgreSQL 10等。 应用流&#xf…

大创项目推荐 深度学习+python+opencv实现动物识别 - 图像识别

文章目录 0 前言1 课题背景2 实现效果3 卷积神经网络3.1卷积层3.2 池化层3.3 激活函数&#xff1a;3.4 全连接层3.5 使用tensorflow中keras模块实现卷积神经网络 4 inception_v3网络5 最后 0 前言 &#x1f525; 优质竞赛项目系列&#xff0c;今天要分享的是 &#x1f6a9; *…

Excel 获取当前行的行数

ROW() 获取当前行 ROW()1 获取当前行然后支持二次开发