纯html静态网站,电子技术培训机构,自己网站做问卷调查,phpcms 企业网站#x1f353;系列专栏:蓝桥杯 #x1f349;个人主页:个人主页 目录
递归树
1.递归构建二进制串
2.全排列的 DFS 解法
3.全排列的 BFS 解法
4.数的划分法
5.图书推荐 递归树
递归树是一种用于分析递归算法时间复杂度的工具。它可以将递归算法的执行过程可视化#xf… 系列专栏:蓝桥杯 个人主页:个人主页 目录
递归树
1.递归构建二进制串
2.全排列的 DFS 解法
3.全排列的 BFS 解法
4.数的划分法
5.图书推荐 递归树
递归树是一种用于分析递归算法时间复杂度的工具。它可以将递归算法的执行过程可视化从而更好地理解算法的时间复杂度。
递归树的构造方法如下
首先将递归算法的输入规模表示为根节点。然后将递归算法的每一次递归调用表示为树的一个子节点。对于每个子节点将其表示为一个与父节点相同的问题但是规模更小的子问题。重复上述步骤直到递归算法的规模为 1 或者 0。
递归树的叶子节点表示递归算法的基本操作而递归树的深度表示递归算法的递归深度。通过递归树可以很容易地计算出递归算法的时间复杂度。
以下是一个递归树的例子
构建二进制串 这个递归树表示的是一个将一个大小为 n 的问题分成两个大小为 n/2 的子问题的递归算法。从根节点到叶子节点的路径长度为 O(log n)因此这个递归算法的时间复杂度为 O(n log n)。在实际应用中递归树常常用于分析递归。 1.递归构建二进制串
public class A {public static void main(String[] args) {dg(0,);}private static void dg(int depth, String bin) {if(depth4) {System.out.println(bin);return ;}dg(depth1,bin0);dg(depth1,bin1);}}
0000 0001 0010 0011 0100 0101 0110 0111 1000 1001 1010 1011 1100 1101 1110 1111 修改一下:
public class A {public static void main(String[] args) {DFS(0,);}private static void DFS(int depth, String bin) {if(depth4) {System.out.println(bin);return ;}for (int i 0; i 1; i) {DFS(depth1,bini);}}}
优化用数组存
在这个例子中我们使用了一个静态数组arr来存储每个深度的值当深度达到4时我们输出这个数组。在DFS函数中我们使用了一个for循环来遍历每个深度的可能性即0或1然后将其存储在数组中并递归调用DFS函数直到深度达到4。
public class A {public static int[] arrnew int[4];public static void main(String[] args) {DFS(0);}private static void DFS(int depth) {if(depth4) {System.out.println(Arrays.toString(arr));return ;}for (int i 0; i 1; i) {arr[depth]i;DFS(depth1);}}} 结果
[0, 0, 0, 0] [0, 0, 0, 1] [0, 0, 1, 0] [0, 0, 1, 1]
[0, 1, 0, 0] [0, 1, 0, 1] [0, 1, 1, 0] [0, 1, 1, 1]
[1, 0, 0, 0] [1, 0, 0, 1] [1, 0, 1, 0] [1, 0, 1, 1]
[1, 1, 0, 0] [1, 1, 0, 1] [1, 1, 1, 0] [1, 1, 1, 1] 2.全排列的 DFS 解法
这段代码是一个全排列的DFS解法。我们使用了递归的方式来生成所有可能的排列。初始时我们调用DFS函数初始深度为0初始答案为空字符串n为3。在DFS函数中我们首先判断当前深度是否达到n如果达到则输出答案并返回。否则我们遍历所有可能的下一位数如果该数未被使用则将其加入到答案中并递归调用DFS函数深度加1。当递归返回时我们将该数从答案中删除以便遍历其他可能的下一位数。下面是代码实现
public class A {public static void main(String[] args) {DFS(0,,3);}private static void DFS(int depth, String ans,int n) {if(depthn) {System.out.println(ans);return ;}for (int i 1; i n; i) {if(!ans.contains(i))DFS(depth1,ansi,n);}}}
123 132 213 231 312 321 3.全排列的 BFS 解法
这段代码是一个全排列的BFS解法。我们使用了一个队列来存储每个深度的可能性初始时队列中包含了所有可能的第一位数。然后我们遍历队列中的所有元素将当前深度的可能性加入到队列中。当深度达到n时队列中的所有元素即为所有可能的排列。
下面是代码实现
public class A {public static void main(String[] args) {int n3;QueueString qnew LinkedListString();//将所有可能的第一位数加入队列中for (int i 1; i n; i) q.offer(i);while(!q.isEmpty()) {String headq.poll();for (int i 1; i n; i) {//如果当前深度的可能性中已经包含了i则跳过if(head.contains(i)) continue;String sonheadi;//如果当前深度为n则输出当前深度的可能性if(son.length()n) System.out.println(son);//否则将当前深度的可能性加入到队列中else q.offer(son);}}}}
123 132 213 231 312 321
4.数的划分法 问题描述 将整数n分成k份且每份不能为空任意两份不能相同(不考虑顺序)。 例如n7k3下面三种分法被认为是相同的: 115; 151; 511; 问有多少种不同的分法。 输入格式 nk输出格式 一个整数即不同的分法样例输入 7 3样例输出 4 {四种分法为115;124;133;223;} 给定一个正整数n将其拆分成k个正整数的和求方案数。这里使用了深度优先搜索的方法从min开始枚举每个数递归求解。其中fanan表示当前的方案ans表示方案数cnt表示调用次数。
public class A {public static int cnt;//调用次数public static int ans;//方案数public static void main(String[] args) {int n7;//给定的正整数int k3;//将其拆分成k个正整数的和dfs(n,k,1,);//从1开始枚举每个数System.out.println(方案数ans);//输出方案数System.out.println(调用次数cnt);//输出调用次数}/*** 深度优先搜索* param n 给定的正整数* param k 将其拆分成k个正整数的和* param min 枚举的最小值* param fanan 当前的方案*/private static void dfs(int n, int k, int min, String fanan) {cnt;//调用次数加1if(k1 minn) {//如果k1且minnans;//方案数加1System.out.println(fanann);//输出方案return ;}if(min*kn) return ; //剪枝for (int i min; i n; i) {//枚举每个数idfs(n-i,k-1,i,fanani);//递归搜索}}}115
124
133
223
方案数4
调用次数155.图书推荐 你是否发现购物、短视频、资讯等平台背后的智能推荐算法不断分析着你的购物偏好和浏览习惯价格算法时刻计算调整着你能购买到的商品价位导航算法、网约车平台算法和无人驾驶汽车算法等等时刻影响着我们的出行…… 无论是否愿意我们的生活已被算法包围。为了帮助大家全面认知我们当前所身处的世界消弭技术发展过快带来的困扰与隐忧《人人都离不开的算法——图解算法应用》一方面从人工智能算法的五大核心应用领域—公共、商业、医疗、工业、金融的典型场景出发以通俗化、故事化和漫画化的具体事例深入解读算法是如何在各行各业具体发挥作用和对日常生活的影响另一方面将从算法的责任监管和立法治理等角度阐述算法开发与应用者们应该如何守好伦理底线让科技向善而行。 《人人都离不开的算法——图解算法应用》脉络清晰图文并茂无论你是工作中会接触到算法应用的从业人员还是对算法应用感到好奇的小白本书都有助于你打开视野看到算法在实际应用中的波澜壮阔。
