Rekurencja 3

Rekurencja
Wykład 3
Wiele ważnych algorytmów ma strukturę
rekurencyjną,
którą można opisać następująco:
W celu rozwiązania danego problemu

algorytm wywołuje sam siebie
w sposób bezpośredni lub pośredni.
Marek Łatko 2005 2

Definicja procedury rekurencyjnej:
Jest to taka procedura napisana w określonym

języku programowania, która zawiera
wywołanie samej siebie
Marek Łatko 2005 3

Metoda „dziel i zwyciężaj”
Strategia polegająca na:

1. podzieleniu problemu głównego na
podproblemy ( najczęściej dwa)
Marek Łatko 2005 4


2. znalezieniu rozwiązań podproblemów
Marek Łatko 2005 5


2. znalezieniu rozwiązań podproblemów
3. na ich podstawie znalezieniu rozwiązania
problemu głównego
Marek Łatko 2005 6

Trzy etapy metody „dziel i zwyciężaj”
1) DZIEL : dzielimy problem na podproblemy
Marek Łatko 2005 7

2) ZWYCIĘŻAJ : rozwiązujemy podproblemy

rekurencyjnie
Marek Łatko 2005 8

2) ZWYCIĘŻAJ : rozwiązujemy podproblemy

rekurencyjnie
3) POŁĄCZ : łączymy rozwiązania

podproblemów, aby otrzymać
rozwiązanie wyjściowego
problemu.
Marek Łatko 2005 9
Przykład 1
Problem:
Dana jest tablica n liczb całkowitych :
a[1], ..., a[n].
Czy w tej tablicy występuje element x ?
Marek Łatko 2005 10

Rozwiązanie:
Dziel:
Podzielimy tablice na dwie części:
CZĘŚĆ I: pierwszy element tablicy, tzn. a[1]
CZĘŚĆ II: pozostałe (n-1) elementów, tzn.
a[2], ..., a[n]

Rozwiązanie:
Dziel:
Podzielimy tablice na dwie części:
CZĘŚĆ I: pierwszy element tablicy, tzn. a[1]
CZĘŚĆ II: pozostałe (n-1) elementów, tzn.
a[2], ..., a[n]
Zwyciężaj:
Jeżeli pierwszy element jest równy x, to wynikiem
jest napis „TAK WYSTĘPUJE” i KONIEC
w przeciwnym razie
sprawdzamy, czy x występuje w pozostałych n-1
elementach (czyli w części II)
UWAGA:
Podane zostały warunki tylko
pozytywnego zakończenia problemu. W
przypadku, gdy przebadaliśmy całą tablicę
i element x nie został znaleziony, to
działanie algorytmu powinno się zakończyć
wraz z podaniem napisu :
„NIE ZNALEZIONO”.

SZUKAJ ([a1, ..., an], lewy, prawy, x)
{lewy- oznacza lewą,
prawy- oznacza prawą granicę przeszukiwanego
obszaru tablicy;
na początku lewy=1, prawy=n}
początek
jeżeli lewy > prawy to „BRAK W CIĄGU”
w przeciwnym razie
jeżeli a[lewy]=x to „JEST W CIĄGU”
przeciwnym razie
SZUKAJ([a1, ..., an], lewy+1, prawy, x)
koniec

Warunkiem zakończenia algorytmu jest:
albo
znalezienie szukanego elementu :
a[lewy] = x
albo

Warunkiem zakończenia algorytmu jest:
albo
znalezienie szukanego elementu :
a[lewy] = x
albo
wyjście poza poszukiwany obszar :
lewy > prawy .

SZUKAJ ([0,7,8,5],1,4,8) {ciąg,lewy=1, prawy=4, x=8}
1>4 Nie ( czy lewy > prawy ? )
0=8 Nie ( czy a[1]=x ? )

0=8 Nie ( czy a[1]=x ? )
SZUKAJ ([0,7,8,5],2,4,8)
2>4 Nie ( czy lewy > prawy ?)
7=8 Nie ( czy a[2]=x ? )

0=8 Nie ( czy a[1]=x ? )
SZUKAJ ([0,7,8,5],2,4,8)
7=8 Nie ( czy a[2]=x ? )
SZUKAJ ([0,7,8,5],3,4,8)
8=8 Tak ( czy a[3]=x ? )
” JEST W CIĄGU”

SZUKAJ ([0,7,8],1,3,5) {ciąg,lewy=1, prawy=4, x=5}
0=5 Nie ( czy a[1]=x ? )

0=5 Nie ( czy a[1]=x ? )
SZUKAJ ([0,7,8],2,3,5)
7=5 Nie ( czy a[2]=x ? )

0=5 Nie ( czy a[1]=x ? )
SZUKAJ ([0,7,8],2,3,5)
7=5 Nie ( czy a[2]=x ? )
SZUKAJ ([0,7,8],3,3,5)
8=5 Nie ( czy a[3]=x ? )

0=5 Nie ( czy a[1]=x ? )
SZUKAJ ([0,7,8],2,3,5)
7=5 Nie ( czy a[2]=x ? )
SZUKAJ ([0,7,8],3,3,5)
8=5 Nie ( czy a[3]=x ? )
SZUKAJ ([0,7,8],4,3,5)
4>3 Tak ( czy lewy > prawy ? )
” BRAK W CIĄGU”
Algorytm ten posiada dwie ważne cechy
algorytmów rekurencyjnych:
1) zakończenie rekurencji jest jasno określone:
- znaleziono element ( a[lewy] = x )
lub
- przekroczono zakres tablicy ( lewy > prawy )

Algorytm ten posiada dwie ważne cechy
algorytmów rekurencyjnych:
1) zakończenie rekurencji jest jasno określone:
- znaleziono element ( a[lewy] = x )
lub
- przekroczono zakres tablicy ( lewy > prawy )
2) duży problem został rozbity na dwa mniejsze:

1-szy - elementarny
2-gi - na analogiczny problem, tylko o
mniejszym rozmiarze
Przykład 2
Problem:
Znaleźć największy i najmniejszy element w
zbiorze n-elementowym S.
Załóżmy dodatkowo, że n jest potęgą liczby 2.
Np. dla n=23=8 mamy zbiór:
{ 2, 5, 23, -12, 0, 45, -100, 9 }

Rozwiązanie:
DZIEL:
Podziel zbiór S na dwa podzbiory S1 i S2, z których
każdy zawiera n/2 elementów.

Rozwiązanie:
DZIEL:
Podziel zbiór S na dwa podzbiory S1 i S2, z których
każdy zawiera n/2 elementów.
ZWYCIĘŻAJ:
Znajdź minimalne i maksymalne elementy w
zbiorach S1 i S2 a następnie wybierz element
mniejszy z dwóch znalezionych minimów i element
większy z dwóch znalezionych maksimów.

MAXMIN( S );
{ S- dany zbiór elementów }
początek
1. jeżeli |S|=2 wtedy { |S| oznacza moc zbioru S }
początek
2. { niech S={a, b} }
3. powrót (MAX(a,b), MIN(a,b)) Å STOP !
koniec
w przeciwnym razie
początek
4. podziel S na dwa rozłączne równoliczne podzbiory S1 i S2,
5. (max1, min1):= MAXMIN( S1 );
6. (max2, min2):= MAXMIN( S2 );
7. powrót (MAX(max1, max2), MIN(min1, min2))
koniec
koniec
Złożoności czasowa algorytmu MAXMIN
Operacja dominująca: porównanie dwóch elementów

Oznaczenie : T(n)
liczba porównań w zbiorze n elementowym.
Mamy więc:
T(2)=1 dla n=2 ( linia 3 )

T(n) liczba porównań w dwóch wywołaniach
MAXMIN czyli w zbiorach n/2 elementowych
( linie 5,6)
plus
dwa porównania dla wyników ( linia 7)
Dostajemy, więc równanie rekurencyjne
1 dla n = 2
T(n) = 
2T(n/2) + 2 dla n > 2

1 dla n = 2
T(n) = 
2T(n/2) + 2 dla n > 2
którego rozwiązanie jest następujące:
T(n) = ⋅ n − 2.
3
2

1 dla n = 2
T(n) = 
2T(n/2) + 2 dla n > 2
którego rozwiązanie jest następujące:
T(n) = ⋅ n − 2.
3
2
a więc T(n)=O(n).
Funkcja SILNIA ( n! )
Definicja funkcji f(n)=n!
0! = 1
n! = 1⋅2⋅.....⋅(n-1) ⋅n

Funkcja SILNIA ( n! )
Definicja funkcji f(n)=n!
0! = 1
n! = 1⋅2⋅.....⋅(n-1) ⋅n
co można łatwo zapisać w postaci rekurencyjnej:
1 dla n = 0
n!= 
n ⋅ (n − 1) ! dla n > 0

Algorytm w postaci pseudokodu:
Funkcja SILNIA(n);
początek
jeżeli n = 0 wtedy pisz (1)
w przeciwnym wypadku
pisz (n*SILNIA(n-1))
koniec

Schemat realizacji funkcji SILNIA(3)
SILNIA(3)
3≤0 NIE 3! = 3•2!

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1!

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1!
1≤0 NIE 1! = 1•0!

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1!
1≤0 NIE 1! = 1•0!
0≤0 TAK

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1!
1≤0 NIE 1! = 1•0!
0≤0 TAK 0! = 1

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1!
1≤0 NIE 1! = 1•0!
0≤0 TAK 0! = 1

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1!
1≤0 NIE 1! = 1•0! 1! =1•1=1

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1!
1! =1•1=1

SILNIA(3)
3≤0 NIE 3! = 3•2!
2≤0 NIE 2! = 2•1! 2! =2•1=2

SILNIA(3)
3≤0 NIE 3! = 3•2!
2! = 2•1!=2 •1

SILNIA(3)
3≤0 NIE 3! = 3•2! 3! =3•2=6

SILNIA(3) 6

SILNIA(3)
3≤0 NIE 3! = 3•2! 3! =3•2=3
2≤0 NIE 2! = 2•1! 2! =2•1=2
1≤0 NIE 1! = 1•0! 1! =1•1=1
0≤0 TAK 0! = 1

Sposób działania:
Dla n = 0 nie następuje wywołanie rekurencyjne

Sposób działania:
Dla n = 0 nie następuje wywołanie rekurencyjne

Dla n > 0 kolejne wywołanie rekurencyjne dla
argumentu mniejszego o 1 aż do
wywołanie z argumentem 0

OGÓLNIE:
Zależność, której spełnienie przez algorytm wywołania
gwarantuje uniknięcie dalszej rekursji, nazywamy przypadkiem
bazowym lub warunkiem stopu rekursji .

OGÓLNIE:
Zależność, której spełnienie przez algorytm wywołania
gwarantuje uniknięcie dalszej rekursji, nazywamy przypadkiem
bazowym lub warunkiem stopu rekursji .
UWAGA:
Każde wywołanie rekursywne zajmuje pewien obszaru pamięci
(zorganizowana jako stos). W przypadku bardzo dużej liczby
wywołań rekurencyjnych szybko może nastąpić przepełnienie
stosu, a w konsekwencji przerwanie pracy procedury.

Ciąg Fibonacciego
Definicja ciągu Fibonacciego

f(0) = 1
f(1) = 1
f(n) = f(n-1) + f(n-2) dla n ≥ 2
Początkowe wyrazy ciągu:
1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, ...

Funkcja Fibo(n);
początek
jeżeli n ≤ 1 wtedy Fibo:=1
w przeciwnym razie Fibo:=Fibo(n-1) + Fibo(n-2)
koniec;

Schemat wywołań funkcji Fibo dla n = 4
F(4)

F(4)
F(3)

F(4)
F(3) F(2)

F(4)
F(3) F(2)
F(2) F(1)

F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)

F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)

F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)
F(4) = F(3) + F(2)

F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)
F(4) = F(3) + F(2) = F(2) + F(1)

F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)
F(4) = F(3) + F(2) = F(2) + F(1) + F(1) + F(0) =

F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)
F(4) = F(3) + F(2) = F(2) + F(1) + F(1) + F(0) =

= F(1) + F(0)
F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)
F(4) = F(3) + F(2) = F(2) + F(1) + F(1) + F(0) =

= F(1) + F(0) + F(1) + F(1) + F(0) =
F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)
F(4) = F(3) + F(2) = F(2) + F(1) + F(1) + F(0) =

= F(1) + F(0) + F(1) + F(1) + F(0) = 2*F(0) + 3*F(1)
F(4)
F(3) F(2)
F(2) F(1) F(1) F(0)
F(1) F(0)
F(4) = F(3) + F(2) = F(2) + F(1) + F(1) + F(0) =

= F(1) + F(0) + F(1) + F(1) + F(0) = 2*F(0) + 3*F(1)
= (1+1) + (1+1+1) = 2 + 3Marek
= Łatko
5 2005 68
Złożoność czasowa algorytmu FIBO:
T(n) = (1,6)n
Dla n=30 F(30) ma 832040 wywołań funkcji

F(0) i F(1).
(1,6)30=1 329 228
Metoda iteracyjna: tylko 30 dodawań !

NWP - rekurencyjny algorytm Euklidesa
Definicja
Największym wspólnym podzielnikiem ( ozn. NWP )
dwu liczb całkowitych nazywamy największą liczbę będącą
podzielnikiem ich obu.

NWP - rekurencyjny algorytm Euklidesa
Definicja
Największym wspólnym podzielnikiem ( ozn. NWP )
dwu liczb całkowitych nazywamy największą liczbę będącą
podzielnikiem ich obu.
Zależność rekurencyjna podana przez Euklidesa w IV wieku
p.n.e.
n gdy m mod n = 0
NWP(m, n) = 
 NWP(n, m mod n) gdy m mod n ≠ 0
gdzie m,n >0

Przykład:
Obliczyć NWP dla dwóch liczb całkowitych: 243 i 114.

Mamy
NWP(243,114)

Przykład:

Mamy
NWP(243,114) = NWP(114,15)

Przykład:

Mamy
NWP(243,114) = NWP(114,15) = NWP(15,9)

Przykład:

Mamy
NWP(243,114) = NWP(114,15) = NWP(15,9) =
NWP(9,6)

Przykład:

Mamy
NWP(243,114) = NWP(114,15) = NWP(15,9) =
NWP(9,6) = NWP(6,3)

Przykład:

Mamy
NWP(243,114) = NWP(114,15) = NWP(15,9) =
NWP(9,6) = NWP(6,3) = NWP(3,0)

Przykład:

Mamy
NWP(243,114) = NWP(114,15) = NWP(15,9) =
NWP(9,6) = NWP(6,3) = NWP(3,0) = 3

Funkcja EUKLID w postaci pseudokodu:
Funkcja EUKLID(m, n);

{zakładamy, że m≥0, n≥0}
początek
jeżeli n=0 wtedy EUKLID:=m
w przeciwnym razie
EUKLID:= EUKLID (n, m mod n)
koniec;

. Dla m=30 i n=21 kolejne wywołania funkcji EUKLID są
następujące:
EUKLID(30,21) Æ

następujące:
EUKLID(30,21) Æ EUKLID(21,9) Æ

następujące:
EUKLID(9,3) Æ

następujące:
EUKLID(9,3) Æ EUKLID(3,0) = 3

następujące:
Mamy tu:
•trzy rekurencyjne wywołania funkcji EUKLID

następujące:
Mamy tu:
•zmniejszanie się wartość drugiego argumentu, czyli
funkcja EUKLID zawsze się kończy i oblicza poprawny wynik.

następujące:
Mamy tu:
•zmniejszanie się wartość drugiego argumentu, czyli
funkcja EUKLID zawsze się kończy i oblicza poprawny wynik.
Liczba wywołań rekurencyjnych funkcji EUKLID dla m>n>0
wynosi: O(log n).

Algorytm Start
Euklidesa

Algorytm Start
Euklidesa
a,b

Algorytm Start
Euklidesa
a,b
Tak Nie
a<>b

Algorytm Start
Euklidesa
a,b
Tak Nie
a<>b
a>b
Tak Nie

Algorytm Start
Euklidesa
a,b
Tak Nie
a<>b
a>b
Tak Nie
a:= a-b

Algorytm Start
Euklidesa
a,b
Tak Nie
a<>b
a>b
Tak Nie
a:= a-b b:= b-a

Algorytm Start
Euklidesa
a,b
Tak Nie
a<>b
a
a>b
Tak Nie
a:= a-b b:= b-a

Algorytm Start
Euklidesa
a,b
Tak Nie
a<>b
a
a>b
Tak Nie Koniec
a:= a-b b:= b-a

Wieża Hanoi
Mamy trzy kołki i n krążków, które można nakładać na te
kołki. Krążki mają różne wielkości. Na początku wszystkie
krążki są na lewym kołku A nałożone w kolejności od
największego do najmniejszego.
A B C

Wieża Hanoi
Mamy trzy kołki i n krążków, które można nakładać na te
kołki. Krążki mają różne wielkości. Na początku wszystkie
krążki są na lewym kołku A nałożone w kolejności od
największego do najmniejszego.
A B C
Zadanie:
Przenieść wszystkie krążki na prawy kołek C wg zasad:
1. za jednym razem można zmienić położenie tylko jednego
krążka
2. żadnego krążka nie można umieścić na mniejszym krążku
Wieża Hanoi
A B C
A B C

Złożoność czasowa problemu Wieża Hanoi
Zależność rekurencyjna:
T1 = 1
Tn = 2Tn-1 +1
Funkcja złożoności czasowej:
T(n) = 2n - 1
Dla n=40 przy szybkości 1 przełożenie w 1 sekundzie

240-1 sekund = 1 099 511 627 775 sekund
to jest około 348 000 lat.
KONIEC

Rekurencja 3

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Rekurencja 3

Uploaded by

Copyright:

Available Formats

Rekurencja

W celu rozwiązania danego problemu

Marek Łatko 2005 2

Jest to taka procedura napisana w określonym

Marek Łatko 2005 3

Strategia polegająca na:

Marek Łatko 2005 4

Strategia polegająca na:

Marek Łatko 2005 5

Strategia polegająca na:

Marek Łatko 2005 6

1) DZIEL : dzielimy problem na podproblemy

Marek Łatko 2005 7

1) DZIEL : dzielimy problem na podproblemy

2) ZWYCIĘŻAJ : rozwiązujemy podproblemy

Marek Łatko 2005 8

1) DZIEL : dzielimy problem na podproblemy

2) ZWYCIĘŻAJ : rozwiązujemy podproblemy

3) POŁĄCZ : łączymy rozwiązania

Czy w tej tablicy występuje element x ?

Marek Łatko 2005 10

Marek Łatko 2005 11

Marek Łatko 2005 13

Marek Łatko 2005 14

Marek Łatko 2005 15

Marek Łatko 2005 16

Marek Łatko 2005 17

Marek Łatko 2005 18

Marek Łatko 2005 19

Marek Łatko 2005 20

Marek Łatko 2005 21

Marek Łatko 2005 22

Marek Łatko 2005 24

2) duży problem został rozbity na dwa mniejsze:

Np. dla n=23=8 mamy zbiór:

{ 2, 5, 23, -12, 0, 45, -100, 9 }

Marek Łatko 2005 26

Marek Łatko 2005 27

Marek Łatko 2005 28

Operacja dominująca: porównanie dwóch elementów

T(2)=1 dla n=2 ( linia 3 )

Marek Łatko 2005 31

którego rozwiązanie jest następujące:

Marek Łatko 2005 32

którego rozwiązanie jest następujące:

Definicja funkcji f(n)=n!

Marek Łatko 2005 34

Definicja funkcji f(n)=n!

co można łatwo zapisać w postaci rekurencyjnej:

Marek Łatko 2005 35

Marek Łatko 2005 36

Marek Łatko 2005 37

2≤0 NIE 2! = 2•1!

Marek Łatko 2005 38

2≤0 NIE 2! = 2•1!

1≤0 NIE 1! = 1•0!

Marek Łatko 2005 39

2≤0 NIE 2! = 2•1!

1≤0 NIE 1! = 1•0!

Marek Łatko 2005 40

2≤0 NIE 2! = 2•1!

1≤0 NIE 1! = 1•0!

Marek Łatko 2005 41