搜索时,inc(i);a[i]:
=a[i-1];sum:
=sum-a[i];
回溯时,dec(i);inc(a[i]);sum:
=sum+a[i+1]-1;
第三步:
输出。
程序如下:
var
n,nk,sum,i,k:
integer;
t:
longint;
a:
array[1..6]ofinteger;
begin
readln(n,k);
nk:
=ndivk;
t:
=0;i:
=1;a[i]:
=1;sum:
=n-1;{初始化}
repeat
ifi=kthen{判断是否搜索到底}
begininc(t);dec(i);inc(a[i]);sum:
=sum+a[i+1]-1;end{回溯}
elsebegin
ifsum>=a[i]then{判断是否回溯}
begininc(i);a[i]:
=a[i-1];sum:
=sum-a[i];end{继续搜}
elsebegindec(i);inc(a[i]);sum:
=sum+a[i+1]-1;end;{回溯}
end;
untila[1]>nk;
writeln(t);
end.
回溯法是通过尝试和纠正错误来寻找答案,是一种通用解题法,在NOIP中有许多涉及搜索问题的题目都可以用回溯法来求解
递归算法算法
递归算法的定义:
如果一个对象的描述中包含它本身,我们就称这个对象是递归的,这种用递归来描述的算法称为递归算法。
我们先来看看大家熟知的一个的故事:
从前有座山,山上有座庙,庙里有个老和尚在给小和尚讲故事,他说从前有座山,山上有座庙,庙里有个老和尚在给小和尚讲故事,他说……
上面的故事本身是递归的,用递归算法描述:
procedurebonze-tell-story;
begin
if讲话被打断then故事结束
elsebegin
从前有座山,山上有座庙,庙里有个老和尚在给小和尚讲故事;
bonze-tell-story;
end
end;
从上面的递归事例不难看出,递归算法存在的两个必要条件:
(1)必须有递归的终止条件;
(2)过程的描述中包含它本身;
在设计递归算法中,如何将一个问题转化为递归的问题,是初学者面临的难题,下面我们通过分析汉诺塔问题,看看如何用递归算法来求解问题;
例1:
汉诺塔问题,如下图,有A、B、C三根柱子。
A柱子上按从小到大的顺序堆放了N个盘子,现在要把全部盘子从A柱移动到C柱,移动过程中可以借助B柱。
移动时有如下要求:
(1)一次只能移动一个盘子;
(2)不允许把大盘放在小盘上边;
(3)盘子只能放在三根柱子上;
算法分析:
当盘子比较多的时,问题比较复杂,所以我们先分析简单的情况:
如果只有一个盘子,只需一步,直接把它从A柱移动到C柱;
如果是二个盘子,共需要移动3步:
(1)把A柱上的小盘子移动到B柱;
(2)把A柱上的大盘子移动到C柱;
(3)把B柱上的大盘子移动到C柱;
如果N比较大时,需要很多步才能完成,我们先考虑是否能把复杂的移动过程转化为简单的移动过程,如果要把A柱上最大的盘子移动到C柱上去,必须先把上面的N-1个盘子从A柱移动到B柱上暂存,按这种思路,就可以把N个盘子的移动过程分作3大步:
(1)把A柱上面的N-1个盘子移动到B柱;
(2)把A柱上剩下的一个盘子移动到C柱;
(3)把B柱上面的N-1个盘子移动到C柱;
其中N-1个盘子的移动过程又可按同样的方法分为三大步,这样就把移动过程转化为一个递归的过程,直到最后只剩下一个盘子,按照移动一个盘子的方法移动,递归结束。
递归过程:
procedureHanoi(N,A,B,C:
integer;);{以B柱为中转柱将N个盘子从A柱移动到C柱}
begin
ifN=1thenwrite(A,’->’,C){把盘子直接从A移动到C}
elsebegin
Hanoi(N-1,A,C,B);{以C柱为中转柱将N-1个盘子从A柱移动到B柱}
write(A,’->’,C);{把剩下的一个盘子从A移动到C}
Hanoi(N-1,B,A,C);{以A柱为中转柱将N-1个盘子从B柱移动到C柱}
end;
end;
从上面的例子我们可以看出,在使用递归算法时,首先弄清楚简单情况下的解法,然后弄清楚如何把复杂情况归纳为更简单的情况。
在信息学奥赛中有的问题的结构或所处理的数据本身是递归定义的,这样的问题非常适合用递归算法来求解,对于这类问题,我们把它分解为具有相同性质的若干个子问题,如果子问题解决了,原问题也就解决了。
例2求先序排列(NOIP2001pj)
[问题描述]给出一棵二叉树的中序与后序排列。
求出它的先序排列。
(约定树结点用不同的大写字母表示,长度≤8)。
[样例]输入:
BADCBDCA输出:
ABCD
算法分析:
我们先看看三种遍历的定义:
先序遍历是先访问根结点,再遍历左子树,最后遍历右子树;
中序遍历是先遍历左子树,再访问根结点,最后遍历右子树;
后序遍历是先遍历左子树,再遍历右子树,最后访问根结点;
从遍历的定义可知,后序排列的最后一个字符即为这棵树的根节点;在中序排列中,根结点前面的为其左子树,根结点后面的为其右子树;我们可以由后序排列求得根结点,再由根结点在中序排列的位置确定左子树和右子树,把左子树和右子树各看作一个单独的树。
这样,就把一棵树分解为具有相同性质的二棵子树,一直递归下去,当分解的子树为空时,递归结束,在递归过程中,按先序遍历的规则输出求得的各个根结点,输出的结果即为原问题的解。
源程序
programnoip2001_3;
var z,h:
string;
proceduremake(z,h:
string);{z为中序排列,h为后序排列}
var s,m:
integer;
begin
m:
=length(h);{m为树的长度}
write(h[m]);{输出根节点}
s:
=pos(h[m],z);{求根节点在中序排列中的位置}
ifs>1thenmake(copy(z,1,s-1),copy(h,1,s-1));{处理左子树}
ifm>sthenmake(copy(z,s+1,m-s),copy(h,s,m-s));{处理右子树}
end;
begin
readln(z);
readln(h);
make(z,h);
end.
递归算法不仅仅是用于求解递归描述的问题,在其它很多问题中也可以用到递归思想,如回溯法、分治法、动态规划法等算法中都可以使用递归思想来实现,从而使编写的程序更加简洁。
比如上期回溯法所讲的例2《数的划分问题》,若用递归来求解,程序非常短小且效率很高,源程序如下
var
n,k:
integer;
tol:
longint;
proceduremake(sum,t,d:
integer);
vari:
integer;
begin
ifd=ktheninc(tol)
elsefori:
=ttosumdiv2domake(sum-i,i,d+1);
end;
begin
readln(n,k);
tol:
=0;
make(n,1,1);
writeln(tol);
end.
有些问题本身是递归定义的,但它并不适合用递归算法来求解,如斐波那契(Fibonacci)数列,它的递归定义为:
F(n)=1(n=1,2)
F(n)=F(n-2)+F(n-1)(n>2)
用递归过程描述为:
Funtionfb(n:
integer):
integer;
Begin
ifn<3thenfb:
=1
elsefb:
=fb(n-1)+fb(n-2);
End;
上面的递归过程,调用一次产生二个新的调用,递归次数呈指数增长,时间复杂度为O(2n),把它改为非递归:
x:
=1;y:
=1;
fori:
=3tondo
begin
z:
=y;y:
=x+y;x:
=z;
end;
修改后的程序,它的时间复杂度为O(n)。
我们在编写程序时是否使用递归算法,关键是看问题是否适合用递归算法来求解。
由于递归算法编写的程序逻辑性强,结构清晰,正确性易于证明,程序调试也十分方便,在NOIP中,数据的规模一般也不大,只要问题适合用递归算法求解,我们还是可以大胆地使用递归算法。
深度优先搜索法算法
在这里介绍两种基本的搜索算法:
深度优先搜索和广度优先搜索法,以树的搜索为例,深度优先搜索法是优先扩展尚未扩展的且具有最大深度的结点;广度优先搜索法是在扩展完第K层的结点以后才扩展K+1层的结点。
深度优先搜索法与前面讲的回溯法差不多,主要的区别是回溯法在求解过程中不保留完整的树结构,而深度优先搜索则记下完整的搜索树,搜索树起记录解路径和状态判重的作用。
为了减少存储空间,在深度优先搜索中,用标志的方法记录访问过的状态,这种处理方法使得深度优先搜索法与回溯法没什么区别了。
在回溯法中,我们己分析了非递归的实现过程,在这里就只讨论深度优先的递归实现方法。
深度优先搜索的递归实现过程:
proceduredfs(i);
fori:
=1tordo
if子结点mr符合条件then产生的子结点mr入栈;
if子结点mr是目标结点then输出
elsedfs(i+1);
栈顶元素出栈(即删去mr);
endif;
endfor;
在讲解递推法时,我们讨论了用递推法解骑土游历问题,在这里我们再看看如何用深度优先搜索法求解此题。
例1骑士游历:
设有一个n*m的棋盘,在棋盘上任一点有一个中国象棋马,马走的规则为:
1.马走日字2.马只能向右走。
当N,M输入之后,找出一条从左下角到右上角的路径。
例如:
输入N=4,M=4,输出:
路径的格式:
(1,1)->(2,3)->(4,4),若不存在路径,则输出"no"
算法分析:
我们以4×4的棋盘为例进行分析,用树形结构表示马走的所有过程(如下图),求从起点到终点的路径,实际上就是从根结点开始深度优先搜索这棵树。
马从(1,1)开始,
按深度优先搜索法,走一步到达(2,3),判断是否到达终点,若没有,则继续往前走,再走一步到达(4,4),然后判断是否到达终点,若到达则退出,搜索过程结束。
为了减少搜索次数,在马走的过程中,判断下一步所走的位置是否在棋盘上,如果不在棋盘上,则另选一条路径再走。
程序如下:
const
dx:
array[1..4]ofinteger=(2,2,1,1);
dy:
array[1..4]ofinteger=(1,-1,2,-2);
type
map=record
x,y:
integer;
end;
var
i,n,m:
integer;
a:
array[0..50]ofmap;
proceduredfs(i:
integer);
varj:
integer;
begin
forj:
=1to4do
if(a[i-1].x+dx[j]>0)and(a[i-1].x+dx[j]<=n)and(a[i-1].y+dy[j]>0)and(a[i-1].y+dy[j]<=n)then{判断是否在棋盘上}
begin
a[i].x:
=a[i-1].x+dx[j];
a[i].y:
=a[i-1].y+dy[j];{入栈}
if(a[i].x=n)and(a[i].y=m)then
begin
write('(',1,',',1,')');
forj:
=2toidowrite('->(',a[j].x,',',a[j].y,')');
halt;{输出结果并退出程序}
end;
dfs(i+1);{搜索下一步}
a[i].x:
=0;a[i].y:
=0;{出栈}
end;
end;
begin
a[1].x:
=1;a[1].y:
=1;
readln(n,m);
dfs
(2);
writeln('no');
end.
从上面的例子我们可以看出,深度优先搜索算法有两个特点:
1、己产生的结点按深度排序,深度大的结点先得到扩展,即先产生它的子结点。
2、深度大的结点是后产生的,但先得到扩展,即“后产生先扩展”,与栈的工作原理相同,因此用堆栈作为该算法的主要数据结构,存储产生的结点。
对于不同的问题,深度优先搜索算法基本上是一样的,但在具体处理方法和编