目录

• 实验内容
• 实验目的
• 实验要求
• 实验步骤
  • 步骤一：理解问题并给出问题描述
  • 步骤二：算法设计，包括策略与数据结构
  • 步骤三：描述算法，伪代码与流程图的形式
  • 步骤四：算法正确性证明
  • 步骤五：算法复杂性分析
  • 步骤六：算法的实现与测试，附上代码及运行结果
• 实验总结

实验内容

    本实验要求基于算法设计与分析的一般过程（即待求解问题的描述、算法设计、算法
描述、算法正确性证明、算法分析、算法实现与测试），针对循环日程表算法从实践中理解
分治法的思想、求解策略及步骤。

实验目的

• 理解分治法的核心思想以及分治法求解过程
• 从算法分析与设计的角度，对快速排序算法有更进一步的理解。

实验要求

    对于环境没有特别要求。对于算法实现，可以自由选择 C, C++, Java，甚至于其他程序设计语言。

实验步骤

步骤一：理解问题并给出问题描述

    设有 \(n=2^k\) 个运动员要进行网球循环赛。现要设计一个满足以下要求的比赛日程表：

(1) 每个选手必须与其他 \(n-1\)个选手各赛一次；

(2) 每个选手一天只能参赛一次；

(3) 循环赛在$ n-1$天内结束。

    请按此要求将比赛日程表设计成有n行和n-1列的一个表。在表中的第i行，第j列处填入第i个选手在第j天所遇到的选手。其中 $ 1≤i≤n $ ，\(1≤j≤n-1\)。

步骤二：算法设计，包括策略与数据结构

    按分治策略，我们可以将所有的选手分为两半，则n个选手的比赛日程表可以通过n/2个选手的比赛日程表来决定。递归地用这种一分为二的策略对选手进行划分，直到只剩下两个选手时，比赛日程表的制定就变得很简单。这时只要让这两个选手进行比赛就可以了。如上图，所列出的正方形表是8个选手的比赛日程表。其中左上角与左下角的两小块分别为选手1至选手4和选手5至选手8前3天的比赛日程。据此，将左上角小块中的所有数字按其相对位置抄到右下角，又将左下角小块中的所有数字按其相对位置抄到右上角，这样我们就分别安排好了选手1至选手4和选手5至选手8在后4天的比赛日程。依此思想容易将这个比赛日程表推广到具有任意多个选手的情形。

    算法实现部分打算采用递归和非递归两种方式，数据结构主要有二维数组和栈。

步骤三：描述算法，伪代码与流程图的形式

1. 递归形式的伪代码：

ROUND-ROBIN-CALENDAR-REC(A,n):if n == 1:then A[1][1] = 1returnROUND-ROBIN-CALENDAR-REC(A,n/2)m=n/2for i = 1 to mfor j = 1 to mdoA[i][j+m]=A[i][j]+mA[i+m][j]=A[i][j+m]A[i+m][j+m]=A[i][j]

描述算法：

    该分治算法可以看做左上角矩阵块跟右下角的矩阵块一致，左下角的矩阵块与右上角的矩阵块一致。如下图：

input k:3
[[1. 2. 3. 4. 5. 6. 7. 8.][2. 1. 4. 3. 6. 5. 8. 7.][3. 4. 1. 2. 7. 8. 5. 6.][4. 3. 2. 1. 8. 7. 6. 5.][5. 6. 7. 8. 1. 2. 3. 4.][6. 5. 8. 7. 2. 1. 4. 3.][7. 8. 5. 6. 3. 4. 1. 2.][8. 7. 6. 5. 4. 3. 2. 1.]]

    左上角与右上角的关系就是加上子矩阵的长度的值，这样就可以通过递归进行求解：

递归的退出条件为：矩阵的长度为1， 这时候给最左上角的单元格赋值为1

递归过程：

• 如果不满足递归退出条件，那就分治，将矩阵块切割为原来的一半进行继续递归
• 否则进行赋值的处理，

1. 右上角的值 = 左上角的值 + 矩阵长度的一半
2. 右下角的值 = 左上角的值
3. 左下角的值 = 右上角的值

2. 非递归形式的伪代码：

ROUND-ROBIN-CALENDAR(K,A)m=1n=2^kfor i in 1 to n:A[1][i]=iC=1 //位置计数for s in 1 to k:n/=2for t in 1 to n:for i in m+1 to 2*m:for j in m+1 to 2*m:a[i][j+(t-1)*m*2]=a[i-m][j+(t-1)*m*2-m]a[i][j+(t-1)*m*2-m]=a[i-m][j+(t-1)*m*2]m*=2

描述算法

    先对第一行进行初始化，然后通过迭代的方式进行二维数组的填充。

    每次进行两个方向上的填充：

1. 左上角 = 右下角
2. 左下角 = 右上角

步骤四：算法正确性证明

    分治算法求解主要遵循三大步骤，分解、解决、合并

分解：将原问题划分成形式相同的子问题，规模可以不等，对半或2/3对1/3的划分。

解决：对于子问题的解决，很明显，采用的是递归求解的方式，如果子问题足够小了，就停止递归，直接求解。

合并：将子问题的解合并成原问题的解。

    非递归算法的正确性比较容易解释，通过日程表找到的规律，我们通过迭代的方式进行实现，这样得到的结果一定是正确的。

递归算法正确性从三个步骤来讲：

1. 分解：我们将日程表进行分解，每次分解为原来的一半，直到仅有一个单元格为止
2. 解决：递归结束的地方一定是表的左上角，赋值为1，反向合并的时候可以继续通过左上角=右下角，左下角=右上角，右上角 =左上角+n/2得到
3. 合并：将每个自问题的节合并为元问题的节，通过三个复制，可以得到其他三部分的日程表数据

    这样处理能确保没有重复和一类，所以该算法也是正确的。

步骤五：算法复杂性分析

1. 递归算法

1.1 递归算法的时间复杂度分析：
\[ T(n) = T(n/2)+O(n/2)^2 \]
\[ T(n) = T(n/4)+O(n/4)^2+O(n/2)^2 \]

\[ T(n) = 1 + O(1)^2 + O(2)^2 + ... + O(n/4)^2+O(n/2)^2= O(n^2) \]

1.2 递归算法的空间复杂度分析：

主要是在栈所占用的空间，由于是分治的方法,所以空间复杂度为：$ O(logn) $

2. 非递归算法

2.1 非递归算法的复杂度分析
\[ T(n) = O(\frac{n}{2}*1^2 + \frac{n}{4}*2^2 + \frac{n}{8}*4^2 + ... + \frac{n}{2^k}*(2^{k-1})^2) \]

\[ T(n) = O(n(2^{-1}+2^0+2^1+...+2^{k-2})) = O(n^2) \]

2.2 非递归算法的空间复杂度分析

整个过程中借助几个变量的空间，所以空间复杂度为\(O(1)\)

步骤六：算法的实现与测试，附上代码及运行结果

C++版本的算法实现

#include <bits/stdc++.h>using namespace std;
const int maxn = 1e4;void output(int n,int **mp,int t);
void fillMp(int k,int n,int **mp);int main()
{int k;cin >> k;//开辟空间int **mp = new int*[maxn];for(int i = 0 ; i < maxn ; i++)mp[i] = new int[maxn];for(int i=0; i< maxn ;i++){for(int j = 0 ;j < maxn ;j++){mp[i][j]=0;}}int n = pow(2,k);cout << n << endl;fillMp(k,n,mp);output(n,mp,-1);//释放空间for(int i = 0 ; i < maxn ; i++)delete[] mp[i];delete[] mp;return 0;
}//k现在是多少选手参加比赛，n为现在的矩阵维度
void fillMp(int k,int n,int **mp)
{int m = 1;for(int i = 0 ; i < n ; i++){mp[0][i] = i+1;}output(n,mp,-2);//二分k次for(int s = 0 ; s < k ; s++){n/=2;//针对每一个格子进行分析的，所以会有n个for(int t = 0 ; t < n ; t++){for(int i= m; i < 2*m ; i++){for(int j = m ;j < 2*m ; j++){//右下角=左上角mp[i][j+t*m*2]=mp[i-m][j+t*m*2-m];mp[i][j+t*m*2-m]=mp[i-m][j+t*m*2];}}output(15,mp,t);}m *= 2;}
}void output(int n,int **mp,int t){cout << "output:" << t << endl;for(int i = 0 ; i < n ; i++){for(int j = 0 ;j < n ; j++){cout << mp[i][j] << '\t';}cout << endl;}return;
}

C++版本结果（非递归实现）：

3
8
output:-2
1 2 3 4 5 6 7 8
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
output:0
1 2 3 4 5 6 7 8
2 1 4 3 6 5 8 7
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
output:1
1 2 3 4 5 6 7 8
2 1 4 3 6 5 8 7
3 4 1 2 7 8 5 6
4 3 2 1 8 7 6 5
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
output:2
1 2 3 4 5 6 7 8
2 1 4 3 6 5 8 7
3 4 1 2 7 8 5 6
4 3 2 1 8 7 6 5
5 6 7 8 1 2 3 4
6 5 8 7 2 1 4 3
7 8 5 6 3 4 1 2
8 7 6 5 4 3 2 1

Python版本的算法实现（递归实现）：

# -*- coding: utf-8 -*-
"""
Created on Tue Oct  2 22:11:51 2018@author: pprp
"""
import numpy as npdef init(a,d):for i in range(d):a[0,i] = i+1def solveTable(n,a):Hf = int(len(a)/2)if n == 1:a[0][0] = 1returnsolveTable(int(n/2),a[0:Hf,0:Hf])      for i in range(Hf):for j in range(Hf):a[i,j+Hf]=a[i,j]+Hfa[i+Hf][j]=a[i][j+Hf]a[i+Hf][j+Hf]=a[i][j]if __name__ == "__main__":#k = input("input k:")    k = 3    d = 2**int(k)    a = np.zeros((d,d))    init(a,d)    solveTable(d,a)    print(a)

python版本结果：

input k: 3
[[1. 2. 3. 4. 5. 6. 7. 8.][2. 1. 4. 3. 6. 5. 8. 7.][3. 4. 1. 2. 7. 8. 5. 6.][4. 3. 2. 1. 8. 7. 6. 5.][5. 6. 7. 8. 1. 2. 3. 4.][6. 5. 8. 7. 2. 1. 4. 3.][7. 8. 5. 6. 3. 4. 1. 2.][8. 7. 6. 5. 4. 3. 2. 1.]]

实验总结

    分治法的设计思想是：将一个难以直接解决的大问题，分割成一些规模较小的相同问题，以便各个击破，分而治之。

    分治策略是：对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n较小）则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解这些子问题，然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。

    分治法所能解决的问题一般具有以下几个特征：

1、该问题的规模缩小到一定的程度就可以容易地解决

2、该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质。

3、利用该问题分解出的子问题的解可以合并为该问题的解；

4、该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子子问题。

    分治法在每一层递归上都有三个步骤：

1、分解：将原问题分解为若干个规模较小，相互独立，与原问题形式相同的子问题；

2、解决：若子问题规模较小而容易被解决则直接解，否则递归地解各个子问题

3、合并：将各个子问题的解合并为原问题的解。

总结：

    分治算法是一种思想，将问题分而治之，通常需要借助递归的帮助。关键点在于如何将问题分解，不仅仅将问题规模减半就可以，还需要仔细思考如何将分解的问题进行合并。需要注意分治算法分解的时候，出来的自问题通常是与原问题性质相同，但规模小的子问题。