暴力递归算法

汉诺塔

public class Code_01_Hanoi {
    public static void hanoi(int n){
        if(n>0){
            func(n,"左","右","中");
        }
    }

    private static void func(int i, String start, String end, String other) {
        if(i==1) {
            System.out.println("Moving 1 from" + start + "to" + end);
        }else{
            func(i-1,start,other,end);
            System.out.println("Moving "+i+"from "+start+"to "+end);
            func(i-1,other,end,start);
        }
    }
}

全排列

    /**
     * @param str
     * @param i
     * @param res i之前的res列表
     */
    public static void process(char[] str, int i, List<Character> res){
       if(i == str.length){
           printList(res);
           return;
       }
       List<Character> resKeep  = copyList(res);
       resKeep.add(str[i]);
       process(str,i+1,resKeep);
       List<Character> resNoInclude = copyList(res);
       process(str,i+1,resNoInclude);
    }

    private static List<Character> copyList(List<Character> res) {
        return;
    }

    public static void printList(List<Character> res){
        return;
    }

``对上述代码的改进

    /**
     * @param str
     * @param i
     */
    public static void process(char[] str,int i){
       if(i == str.length){
           System.out.println(String.valueOf(str));
           return;
       }
       process(str,i+1);//要当前字符
       char tmp = str[i];
       str[i] = 0;
       process(str,i+1);//不要当前字符
       str[i] = tmp;
    }

全排列

    public static void process(char[] str, int i, ArrayList<String> res){
        if(i == str.length){
            res.add(String.valueOf(str));
        }
        boolean[] visit = new boolean[26];
        for(int j = i;j < str.length;j++){
            if(!visit[str[j]-'a']){
                visit[str[j]-'a']=true;
                swap(str,i,j);
                process(str,i+1,res);
                swap(str,i,j);
            }
        }
    }

    private static void swap(char[] str, int i, int j) {
        char tmp = str[i];
        str[i] = str[j];
        str[j] = tmp;
    }

    public static void main(String[] args) {
        ArrayList<String> res = new ArrayList<>();
        String ss = new String("abcd");
        char[] str = ss.toCharArray();
        process(str,0,res);
        for(int i =0;i<res.size();i++){
            System.out.println(res.get(i));
        }
    }
}

题目

public static int win1(int[] arr){
        if(arr == null || arr.length == 0) return 0;
        return Math.max(f(arr,0,arr.length-1),s(arr,0,arr.length-1));
    }
    public static int f(int[] arr,int i,int j){
        if(i == j) return arr[i];
        return Math.max(arr[i]+s(arr,i+1,j),arr[j]+s(arr,i,j-1));
    }

    public static int s(int[] arr,int i,int j){
        if(i == j) return arr[i];
        return Math.min(arr[i]+f(arr,i+1,j),arr[j]+f(arr,i,j-1));
    }

给你一个栈,逆序这个栈,不申请额外的数据结构,只能递归函数。

相当于把栈底的元素提上去
public static int f(Stack<Integer> stack){
       int result = stack.pop();
       if(!stack.isEmpty()){
           return result;
       }else{
           int last = f(stack);
           stack.push(result);
           return last;
       }
   }

   public static void reverse(Stack<Integer> stack){
       if(!stack.isEmpty()) return;
       int i = f(stack);
       reverse(stack);
       stack.push(i);
   }

在这里插入图片描述

public static int process(char[] str,int i){
        if(i == str.length) return 1;
        if(str[i] == '0') return 0;
        if(str[i] == '1'){
            int res = process(str,i+1);
            if(i + 1 < str.length){
                res += process(str,i+2);
            }
            return res;
        }
        if(str[i] == '2'){
            int res == process(str,i+1);
            if(i+1 < str.length && (str[i+1] >= '0' && str[i+1]<='6')){
                res += process(str,i+2);
            }
            return res;
        }
        //str[i] == '3'~'9'
        return process(str,i+1);
    }

在这里插入图片描述
下面第一种方法好,可变参数少

public static int process1(int[] weights,int[] values,
                               int i,int alreadyweight,int bag){
        if(alreadyweight > bag) return 0;
        if(i == weights.length) return 0;
        return Math.max(
          process1(weights,values,i+1,alreadyweight,bag),
          values[i]+process1(weights, values, i+1, alreadyweight+weights[i], bag));
    }
public static int process2(int[] weights,int[] values,
                               int i,int alreadyweight,int alreadyvalue,int bag){
        if(alreadyweight > bag) return 0;
        if(weights.length == i) return alreadyvalue;
        return Math.max(
        process2(weights,values,i+1,alreadyweight,alreadyvalue,bag),
        process2(weights,values,i+1,alreadyweight+weights[i],values[i]+alreadyvalue,bag)
        );
    }
### 关于最大子段和问题的暴力递归解决方案 暴力递归是一种通过穷举所有可能情况来解决问题的方法,在解决最大子段和问题时,可以通过递归来实现对每一种可能性的探索。以下是基于 Java暴力递归算法实现: #### 暴力递归的核心思想 暴力递归的思想是通过对数组中的每一个位置作为起始点,依次计算从该位置开始的所有连续子段的和,并记录其中的最大值。这种方法的时间复杂度较高,通常为 \( O(n^3) \),但如果优化得当,则可降低至 \( O(n^2) \)[^1]。 #### 代码实现 以下是一个完整的 Java 实现示例: ```java public class MaxSubarraySum { // 主函数入口 public static void main(String[] args) { int[] arr = {-2, 1, -3, 4, -1, 2, 1, -5, 4}; System.out.println("最大子段和为:" + maxSubArraySumRecursive(arr)); } // 使用暴力递归求解最大子段和 public static int maxSubArraySumRecursive(int[] arr) { if (arr == null || arr.length == 0) { throw new IllegalArgumentException("输入数组不能为空"); } return helper(arr, 0); } private static int helper(int[] arr, int start) { if (start >= arr.length) { return Integer.MIN_VALUE; } int currentMax = Integer.MIN_VALUE; // 计算以当前起点开始的所有子段和 for (int end = start; end < arr.length; end++) { int sum = 0; for (int i = start; i <= end; i++) { sum += arr[i]; } if (sum > currentMax) { currentMax = sum; } } // 返回当前区间的最大子段和以及后续区间的结果之间的较大者 return Math.max(currentMax, helper(arr, start + 1)); } } ``` #### 说明 上述代码实现了暴力递归的方式求解最大子段和问题: - `helper` 函数负责处理从指定索引开始的所有子段和。 - 外层循环控制子段的结束位置 (`end`),内层循环则逐一遍历并累加子段内的元素值。 - 对每次计算出的子段和进行比较,保留较大的结果[^1]。 尽管此方法简单易懂,但由于其嵌套循环的存在,效率较低,适合用于理解基本原理而非实际应用。 --- ### 性能分析 暴力递归的时间复杂度主要由三重循环决定:外层循环遍历每个起始点 (\( n \)),中间循环确定终点 (\( n-i \)),内部再逐一累加子段和 (\( j-i+1 \))[^1]。因此总时间复杂度接近 \( O(n^3) \) 或经过优化后的 \( O(n^2) \)。 相比之下,分治法和动态规划能够显著提升性能,分别为 \( O(n\log{n}) \) 和 \( O(n) \)[^2][^3]。 --- ###
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
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