Algorithm 按递归树排序
我曾尝试通过递归关系确定运行时间,但结果不正确 重复性Algorithm 按递归树排序,algorithm,recursion,Algorithm,Recursion,我曾尝试通过递归关系确定运行时间,但结果不正确 重复性 T(n) = c + T(n-1) if n >= 1 = d if n = 0 我的尝试 我构建了这个递归树: n | n-1 | n-2 | n
T(n) = c + T(n-1) if n >= 1
= d if n = 0
我的尝试
我构建了这个递归树:
n
|
n-1
|
n-2
|
n-3
|
n-4
|
n-5
|
|
|
|
|
|
Till we get 1
现在在级别i
,子问题的大小应该是,n-i
但最后我们需要一个大小为1的问题。因此,在最后一级,n-i=1
给出了,i=n-1
因此,树的深度变为n-1
,高度变为n-1+1=n
现在,求解此递归所需的时间=树的高度*每个级别所需的时间,即:
n+(n-1)+(n-2)+(n-3)+(n-4)+(n-5)+ ...
==> (n+n+n+n+n+ ... )-(1+2+3+4+5+ ... )
==> n - (n(n+1)/2)
现在所用的时间=n*((n-n2)/2),应该给出n2的顺序,但这不是正确的答案
T(n) = c + T(n-1)
= c + (c + T(n-2))
= ...
= c*i + T(n-i)
= ...
= c*n + T(0)
= c*n + d
如果我们假设c,d是常数,它就得到了O(n)
要从数学上证明它,可以使用
对于每个k
假设T(n)=c*n+d
基数为
T(0)=0*n+d=d
,这对于n<1是正确的
T(n) = c + T(n-1) (*)
= c + (n-1)*c + d
= c*n + d
(*)是归纳假设,自n-1k
假设T(n)=c*n+d
基数为
T(0)=0*n+d=d
,这对于n<1是正确的
T(n) = c + T(n-1) (*)
= c + (n-1)*c + d
= c*n + d
(*)是归纳假设,并且是有效的,因为n-1n+(n-1)=2n-1
,为什么问题的规模会增加?免责声明:有点手工,不是完全准确的陈述
公式实际上是怎么说的
公式上说,为一些n
求解它所需的时间与为一个较小的问题求解它所需的时间相同,再加上一个附加常数c
:c+T(n-1)
另一种表达上述观点的方式是:假设某个问题的大小需要一段时间t
,那么一个问题的大小需要t+c
,这个问题的大小要大一倍
我们知道,当问题大小为n=0
时,这需要时间d
。根据第二条语句,对于一个以上的大小,n=1
,需要d+c
。再次应用我们的规则,因此n=2
需要d+c+c
。我们得出结论,任何n
都必须花费d+n*c
时间
这不是证据。要真正证明这一点,必须使用amit所示的归纳法
正确的递归树
递归树只列出问题的大小。恐怕那没什么用。相反,您需要列出所述问题大小的运行时
树中的每个节点都对应一个特定的问题大小。您在该节点中写入的内容是问题大小所需的额外时间。也就是说,将一个节点的所有子代加上节点本身求和,以获得某个问题大小的运行时
这种树的图形表示如下所示
Tree Corresponding problem size
c n
|
c n - 1
|
c n - 2
|
c n - 3
.
.
.
|
c 2
|
c 1
|
d 0
形式化:如前所述,节点的标签是解决该问题所需的额外运行时,以及其所有子代。最上面的节点表示问题大小n
,带有标签c
,因为这是对T(n-1)
的补充,它使用|
与之连接
在一个公式中,您只需编写以下关系:T(n)=c+T(n-1)
。给定该树,您可以看到这如何应用于每个n>=1
。你可以这样写下来:
T(n) = c + T(n - 1) # This means, `c` plus the previous level
T(n - 1) = c + T(n - 2) # i.e. add the runtime of this one to the one above^
T(n - 2) = c + T(n - 3)
...
T(n - (n - 2)) = c + T(1)
T(n - (n - 1)) = c + T(0)
T(0) = d
现在可以从下至上展开术语:
T(n - (n - 1)) = c + T(0)
T(0) = d
T(n - (n - 2)) = c + T(1)
T(n - (n - 1)) = c + d
T(0) = d
T(n - (n - 3)) = c + T(2)
T(n - (n - 2)) = c + (c + d)
T(n - (n - 1)) = c + d
T(0) = d
T(n - (n - 4)) = c + T(3)
T(n - (n - 3)) = c + (2*c + d)
T(n - (n - 2)) = c + (c + d)
...
T(n) = c + T(n - 1)
T(n - 1) = c + ((n-2)c + d)
T(n) = c + (n-1)c + d = n*c + d
T(n - 1) = (n-1)c + d
求和1到n
从第一行到第二行,您已将问题从求和1到n
减少到求和1到n-1
。这不是很有帮助,因为你遇到了同样的问题
我不确定你在第三行做了什么,但是你从第一行到第二行的转换基本上是正确的
这将是正确的公式:
现在在第一级,子问题的大小应该是,n-i
是的,没错。但您假设运行时等于所有子问题大小之和。试想一下,前两个级别的总和已经给出了n+(n-1)=2n-1
,为什么问题的规模会增加?免责声明:有点手工,不是完全准确的陈述
公式实际上是怎么说的
公式上说,为一些n
求解它所需的时间与为一个较小的问题求解它所需的时间相同,再加上一个附加常数c
:c+T(n-1)
另一种表达上述观点的方式是:假设某个问题的大小需要一段时间t
,那么一个问题的大小需要t+c
,这个问题的大小要大一倍
我们知道,当问题大小为n=0
时,这需要时间d
。雅高
n+(n-1)+(n-2)+(n-3)+(n-4)+(n-5)+ ...
==> (n+n+n+n+n+ ... )-(1+2+3+4+5+ ... )
==> n - (n(n+1)/2)