四、递归 NmuzAZr
w4nU86oZYl
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。 w)rd--9f
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。 @%'1Jd7-Wp
【问题】 编写计算斐波那契(Fibonacci)数列的第n项函数fib(n)。 ]<3n;*8k?
斐波那契数列为:0、1、1、2、3、……,即: HzMr
fib(0)=0; 9{GEq@`7
fib(1)=1; _o52#Q4
fib(n)=fib(n-1)+fib(n-2) (当n>1时)。 %(uYYr
6
写成递归函数有: xekU2u}WE
int fib(int n) jIL+^{K<
{ if (n==0) return 0; -;:.+1
if (n==1) return 1; ,qT^e8E+
if (n>1) return fib(n-1)+fib(n-2); 5K:'VX
} e9=UTn{!
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。 vg-Ah6BC{
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。 #n7F7X
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。 zA>LrtyK(=
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。 ( GW"iL#.
【问题】 组合问题 `<Q[$z
问题描述:找出从自然数1、2、……、n中任取r个数的所有组合。例如n=5,r=3的所有组合为: (1)5、4、3 (2)5、4、2 (3)5、4、1 kl~)<,/@
(4)5、3、2 (5)5、3、1 (6)5、2、1 UkTq0-N;2
(7)4、3、2 (8)4、3、1 (9)4、2、1 Ke;eI+P[
(10)3、2、1 @!Z1*a.
分析所列的10个组合,可以采用这样的递归思想来考虑求组合函数的算法。设函数为void comb(int m,int k)为找出从自然数1、2、……、m中任取k个数的所有组合。当组合的第一个数字选定时,其后的数字是从余下的m-1个数中取k-1数的组合。这就将求m个数中取k个数的组合问题转化成求m-1个数中取k-1个数的组合问题。设函数引入工作数组a[ ]存放求出的组合的数字,约定函数将确定的k个数字组合的第一个数字放在a[k]中,当一个组合求出后,才将a[ ]中的一个组合输出。第一个数可以是m、m-1、……、k,函数将确定组合的第一个数字放入数组后,有两种可能的选择,因还未去顶组合的其余元素,继续递归去确定;或因已确定了组合的全部元素,输出这个组合。细节见以下程序中的函数comb。 H|IG"JB
【程序】 b9xvLR8
# include <stdio.h> K1+4W=|
# define MAXN 100 )ZW[$:wA
int a[MAXN]; \ xJ_)r
void comb(int m,int k) j* ZU}Ss
{ int i,j; ;*G';VuT
for (i=m;i>=k;i--) ;/h&40&
{ a[k]=i; &RHZ7T
if (k>1) mDXG~*1
comb(i-1,k-1); j S4\;
else = yFOH~_
{ for (j=a[0];j>0;j--) |iA8aHFU
printf(“%4d”,a[j]); &7XsyDo6
printf(“\n”); Ei7Oi!1
} FNw0x6,~R
} hh-a+]
c0
} )H>?K0I
n *EGOS
void main() !(F?Np Am
{ a[0]=3; 9Tg
k=
comb(5,3); l;SXR <EU
} I7#^'/
【问题】 背包问题 aXyFpGdb9
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。 O'Q,;s`uC
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。 b8 E{~z
对于第i件物品的选择考虑有两种可能: a&Z,~Vp
(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。 ]6
HR
(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。 p9E/#U8A_
按以上思想写出递归算法如下: wVq9t|V
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) {4$aA*
{ /*考虑物品i包含在当前方案中的可能性*/ DDq?4
if(包含物品i是可以接受的) A"O\u=!
{ 将物品i包含在当前方案中; ?Dl; DE1
if (i<n-1) v:P=t2q
try(i+1,tw+物品i的重量,tv); }1DzWS-hh
else /iEQ}
/*又一个完整方案,因为它比前面的方案好,以它作为最佳方案*/ Q Hr'r/0
以当前方案作为临时最佳方案保存; 1l'JoU.<
恢复物品i不包含状态; o%,?v
9
} y`i?Qo3
/*考虑物品i不包含在当前方案中的可能性*/ >WA'/Sl<A<
if (不包含物品i仅是可男考虑的) m1e Sn |)7
if (i<n-1) )<f4F!?,A
try(i+1,tw,tv-物品i的价值); 0R,.
else ["#H/L]3
/*又一个完整方案,因它比前面的方案好,以它作为最佳方案*/ X`(fJ',
以当前方案作为临时最佳方案保存; va:<W H
} c*y*UG
为了理解上述算法,特举以下实例。设有4件物品,它们的重量和价值见表: O#k eoC4
物品 0 1 2 3 x_x_TEyy h
重量 5 3 2 1 .EReYZO
价值 4 4 3 1 GkIhPn(d
cMrO@=b;
并设限制重量为7。则按以上算法,下图表示找解过程。由图知,一旦找到一个解,算法就进一步找更好的佳。如能判定某个查找分支不会找到更好的解,算法不会在该分支继续查找,而是立即终止该分支,并去考察下一个分支。 Qo!F?i/ n
w~q ]&
按上述算法编写函数和程序如下: 2q(gWhcj
【程序】 44s 9\
# include <stdio.h> 8`wKq6
# define N 100 D59q/@
double limitW,totV,maxV; UpPl-jeT
int option[N],cop[N]; ZWni5uF-c
struct { double weight; O')=]6CQ*
double value; h;#046-7
}a[N]; psse^rFg
int n; J(K/z,4h
void find(int i,double tw,double tv) \*&?o51!e
{ int k; /1p5KVTKv
/*考虑物品i包含在当前方案中的可能性*/ 6<9}>Wkf
if (tw+a.weight<=limitW) <5"&]!
.
{ cop=1; ^We}i
if (i<n-1) find(i+1,tw+a.weight,tv); +_{cq@c
else }.pqV
X{d
{ for (k=0;k<n;k++) PhPe7^
option[k]=cop[k]; %#o@ c
maxv=tv; <d"nz:e
} Fe
%Vp/
cop=0; vcCNxIzEG
} I o"3wL)2
/*考虑物品i不包含在当前方案中的可能性*/ d>NO}MR
if (tv-a.value>maxV) "iGQ1#6|d
if (i<n-1) find(i+1,tw,tv-a.value); sv&^sARN
else +'Y?K]zbt
{ for (k=0;k<n;k++) 5JEOLPS
option[k]=cop[k]; 5rf Dm
maxv=tv-a.value; Td|u-9OM
} Rc3!u^?u
} ?0M$p
}30Sb&"
void main() +0)M1!gK
{ int k; YR? E
z<p
double w,v; |h%HUau
printf(“输入物品种数\n”); ,(-V<>/*.|
scanf((“%d”,&n); ~1E!Co
printf(“输入各物品的重量和价值\n”); .jg@UAK
for (totv=0.0,k=0;k<n;k++) xAl8e
{ scanf(“%1f%1f”,&w,&v); .zl[nx[9"D
a[k].weight=w; <;yS&8
a[k].value=v; QVJpX;u
totV+=V; Q"D5D
rj
} tcnO`0moK
printf(“输入限制重量\n”); gaxM#
scanf(“%1f”,&limitV); #t;]s<
maxv=0.0; xMNQT.A
for (k=0;k<n;k++) cop[k]=0; 10h;N[
find(0,0.0,totV); 8V}|(b#
for (k=0;k<n;k++) ;N(L,
if (option[k]) printf(“%4d”,k+1); 0%<
hj
printf(“\n总价值为%.2f\n”,maxv); t)Cf]]dV
} t#@z_Mn\
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。 sp:4b$zX
【程序】 P
4t@BwU$
# include <stdio.h> 6Q\|8a
# define N 100 =4'V}p
double limitW; MUsF
int cop[N]; 9a=>gEF],@
struct ele { double weight; qjh k#\y
double value; Woj5
yr
} a[N]; [|YvVA
int k,n; SD :D8"8
struct { int flg; :.-z!
double tw; vK@UK"m
double tv; [OTn>/W'
}twv[N]; #R:&Irh
void next(int i,double tw,double tv) +p63J
{ twv.flg=1; 9Bw#VQ
twv.tw=tw;
j5Da53c#^
twv.tv=tv; +v
3:\#
} Su7N ?X!
double find(struct ele *a,int n) K:jn^JN$
{ int i,k,f; i!}6FBZ
double maxv,tw,tv,totv; $[Z~BfSQ
maxv=0; 2"?D aX
for (totv=0.0,k=0;k<n;k++) SepwMB4@
totv+=a[k].value; J'sa{/
#
next(0,0.0,totv); #+p-
i=0; P`{$7ST'Hh
While (i>=0) W90!*1
{ f=twv.flg; J9!/C#Fm
tw=twv.tw; $/C1s"C@O
tv=twv.tv; yU&