算法设计分析之------ 递推与递归篇一

前言

感觉老师讲的很好,算法是解决某一类特定问题的一个模型,依赖于具体的问题。而我们解决问题的两大通用模型分别是确定性图灵机模型与递归模型,两者的计算能力是等价的。这两个模型是建立在数学模型上的,可以说是所有算法抽象的一个顶层。那么我将会用所学到的来运用到具体算法的分析之中。

递推

数楼梯

题目链接:数楼梯

解题思路
一共有n层楼梯,如果我们将每一层楼梯都看成一个状态的话,那么对于i转态,能直接转到它的只能是i-1和i-2状态。同时我们将状态的属性定义为到达其方式总数,那么我们就有 f [ i ] = f [ i − 1 ] + f [ i − 2 ] f[i]=f[i-1]+f[i-2] f[i]=f[i1]+f[i2],对于自动机我们都有初始转态,对于这里,我们的初始转态是f[1]=1和f[0] = 1.

实现技巧

  • 由于这里N最大为5000,会超过爆。那么我们就需要用高精度加法来进行运算。也就是我们可以用一个二维数组来解决。如下代码

代码:

#include<iostream>
using namespace std;

const int N = 5010;
typedef long long LL;

int f[N][N];
int len = 1,n;
void solve(int k){
   
   
    for(int i = 0 ;i < len ; ++i)f[k][i] = f[k-1][i] + f[k-2][i];
    
    for(int i = 0 ; i < len ; ++i){
   
   
        f[k][i+1] += f[k][i] / 10;
        f[k][i] %= 10;
    }
    if(f[k][len])len++;
}

int main(){
   
   
    cin>>n;
    f[1][0] = 1,f[0][0] = 1;
    for(int i = 2 ; i <= n ; ++i)solve(i);
    for(int i = len - 1 ; i >= 0 ; --i)cout<<f[n][i];
    return 0;
}

过河卒

题目链接:过河卒

解题思路:
我们将每一个坐标当成一个状态,依题目对于状态(i,j)能直接转移到它的只能是(i-1,j)和(i,j-1)。因此我们对每一个转态加上一个属性,属性的含义是:转移到这个转态的方式数量。 因此我们就有: f [ i ] [ j ] = f [ i − 1 ] [ j ] + f [ i ] [ j − 1 ] f[i][j] = f[i-1][j] + f[i][j-1] f[i][j]=f[i1][j]+f[i][j1

### 递归算法在树结构中的实现分析 #### 树结构的特点及其适配性 树是种典型的分层数据结构,其节点之间具有父子关系。这种层次化特性使得树非常适合通过递归来解决问题。递归的本质在于将个问题拆分为若干个较小的子问题并逐解决[^1]。对于树而言,根节点可以看作整个问题,而它的左子树和右子树则分别对应两个规模更小的子问题。 #### 设计递归算法的关键要素 设计适用于树结构的递归算法时,需关注以下几个方面: - **基线条件**:当到达叶子节点或空节点时停止递归操作。 - **递推关系**:明确当前节点其子节点之间的逻辑关联,并将其转化为代码表达形式。 例如,在前序遍历中,访问顺序为先处理当前节点再依次处理左右子树;而在后序遍历时,则要等到两棵子树都被完全处理完毕之后才返回到父节点处执行相应动作[^2]。 #### 实现案例——二叉树的三种基本遍历方式 以下是基于Python语言描述的不同类型的二叉树递归遍历方法: ```python class TreeNode: def __init__(self, val=0, left=None, right=None): self.val = val self.left = left self.right = right def preorder_traversal(root: TreeNode): # 前序遍历 if not root: return [] result = [root.val] result += preorder_traversal(root.left) result += preorder_traversal(root.right) return result def inorder_traversal(root: TreeNode): # 中序遍历 if not root: return [] result = inorder_traversal(root.left) result.append(root.val) result += inorder_traversal(root.right) return result def postorder_traversal(root: TreeNode): # 后序遍历 if not root: return [] result = postorder_traversal(root.left) result += postorder_traversal(root.right) result.append(root.val) return result ``` 上述代码片段展示了如何利用简单的三步法构建起针对不同需求场景下的具体解决方案。 #### 性能考量优化建议 尽管递归版本简洁明了易于理解维护,但在实际应用过程中可能存在性能瓶颈。主要体现在频繁调用带来的额外栈空间消耗上。如果目标对象特别庞大或者存在极端不平衡情况(如链表形态),可能会引发超出最大允许深度错误等问题。因此,在某些特定场合下考虑采用迭代或其他替代方案可能是更为明智的选择。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

落春只在无意间

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值