Design and Analysis of AlgorithmRecursive Algorithm Analysis Aryo Pinandito, ST, M.MT - PTIIK UB
Apaitufungsirekursif? • Fungsi yang memanggildirinyasendiri • Sebuahfungsi f jugamerupakanfungsirekursifjikamemanggilfungsi lain g dan di dalam g terdapatpemanggilan f. start f end start f g
SifatPenyelesaianMasalahdenganRekursif • Permasalahan yang dapatdiselesaikanolehfungsirekursifmemilikisifat: • Memilikikasussederhana yang dapatlangsungdiselesaikan (base case). Contoh 0! = 1. • Kasus yang kompleksdapatdiuraikanmenjadikasus yang identikdenganukuran yang lebihkecil (recursive cases). Contoh: n! = n * (n-1)! • Denganmenerapkankarakteristik 2 berulang-ulang, recursive cases akanmendekatidansampaipada base case. Contoh: n! (n-1)! (n-2)! . . . 1!, 0!.
FungsiRekursif: Tree
Format fungsi rekursif if current case is base case then solve it else redefine the problem using recursion case
Format fungsi rekursif • Cabangifberisibase case, sedangkanbagianelse-nyaberisirecursive case • Agar rekursidapatberhentiinput pada recursive cases harusmendekati base case di setiappemanggilanfungsirekursif
Latihan • BuatlahfungsirekursifuntukmenghitungnilaiXn. • Buatpohonrekursifuntuk45.
Jawaban • Algoritma: pangkat(X, n) • algoritmauntukmenghitungnilaiXnsecararekursif • input : integer positif X dan n • output : nilaiXn if n == 1 return X else return (X * pangkat(X, n-1)) • Pohonrekursif?
Latihan • Buatlahfungsirekursifuntukmenghitungbilanganfibonaccike n. • Buatpohonrekursifuntukfibonacci(4).
Jawaban • Algorithm fibonacci(n) • // algoritmauntukmenghitungbilanganfibonaccike n • // secararekursif • // input : n • // output : bilanganfibonaccike n if n = 0 or n = 1 return n else return (fib(n - 1) + fib(n - 2)) • Pohonrekursif?
Analisa Efisiensi Algoritma Rekursif • Algorithm pangkat(X, n) • //algoritmauntukmenghitungnilaiXnsecararekursif • //input : integer positif X dan n • //output : nilaiXn if n == 1 return X else return (X * pangkat(X, n-1)) • Analisisefisiensiwaktualgoritmarekursif!
Langkah-langkah Umum Analisis Efisiensi Waktu Algoritma Rekursif • Tentukan metrik untuk ukuran input • Identifikasi basic operation algoritma • Tentukan apakah untuk ukuran input yang sama banyaknya eksekusi basic operation bisa berbeda • Tentukan persamaan rekursi yang menunjukkan berapa kali basic operation dieksekusi • Cari rumus langsung yang menunjukkan banyaknya basic operation dieksekusi
1: MetrikUntukUkuran Input • Sesuatupada input yang jikamembesar, makabanyaknyapemanggilanfungsirekursifbertambah • Padakasusiniadalahnilai n. Jika n membesar, makabanyaknyakomputasiataupemanggilanfungsirekursibertambah • Untukmemahaminyacobagambarpohonrekursifnya. • Efisiensidinyatakansebagaifungsidari n
2: Basic operation • Padaalgoritmarekursifmerupakansalahsatuoperasipadakondisiseleksi base case ataubagian recursive case • Basic operationnyadipilih = yang dilakukan 1 kali setiap kali fungsirekursifdipanggil if n == 1
3: Case • Apakahada best case, average case dan worst case? • Untukinput n tertentumisal 5, recursion treenyaselalusama. Banyaknyakomputasi / pemanggilanfungsirekursiftetap. • Tidakada best case, average case dan worst case Padafungsirekrusif.
4: PersamaanRekursifBanyaknyaEksekusi Basic Operation • Jikaalgoritmapangkatdieksekusidengan input (X, n) maka basic operation dieksekusisatu kali. Namunpadasaateksekusi, algoritmatersebutjugamemanggildirinyasendiridengan input (X, n-1). • Hal inimenyebabkansecara internal basic operation dieksekusilagi. • Berapa kali banyaknya basic operation dieksekusiuntuk input n? if n == 1
4: PersamaanRekursifBanyaknyaEksekusi Basic Operation • Jika C(n) menyatakanbanyaknya basic operation dieksekusiuntuk input berukuran n dan C(n - 1) menyatakanbanyaknya basic operation dieksekusiuntuk input berukuran n-1, • Hubungan C(n) dan C(n - 1) dinyatakandengan C(n) = C(n-1) + 1 untukn>1 (recursive case) C(1) = 1, base case
4: PersamaanRekursifBanyaknyaEksekusi Basic Operation • Untukmengetahuikelasefisiensiwaktunyakitaharusmenemukanpersamaanlangsung (non recursive) dari C(n)
Perhitunganefisiensiwaktu • Menggunakanmetode backward substitution, caripoladari C(n) : C(n) = C(n - 1) + 1 C(n) = (C(n - 2) + 1) + 1 = C(n) = C(n - 2) + 2 C(n) = (C(n - 3) + 1) + 2 = C(n) = C(n - 3) + 3 dst • Polaataubentukumum yang didapatkanadalah C(n) = C(n - i) + i.
Perhitunganefisiensiwaktu • Nilai initial condition C(1) disubtitusikanke C(n - i) padabentukumum C(n). C(n) = C(n - i) + i C(n) = C(1) + i C(n) = i + 1
Perhitunganefisiensiwaktu • Subtitusitersebutmensyaratkan C(n - i) = C(1) atau n – i = 1 i = n – 1 • Nilaii = n – 1 disubtitusikankebentukumumC(n) = i + 1 sehingga: C(n) = n – 1 + 1 C(n) = n C(n) merupakananggotakelasefisiensi n • Apaartinya?
Example 2: Tower of Hanoi (1) • n disks on different sizes and three pegs • Initially, all disks are on the first peg in order of size. The largest on the bottom and the smallest on top • The goal: move all disks to the third peg, using the second one as an auxiliary • Move only one disk at a time • It is forbidden to place a larger disk on top of a smaller one CS3024-FAZ
Example 2: Tower of Hanoi (2)
Tower of Hanoi: Recursive Solution (1)
ToH: Recursive Solution (2) • To move n>1 disks from peg 1 to peg 3 (with peg 2 as an auxiliary): • Move recursively n-1 disk(s) from peg 1 to peg 2 (with peg 3 as an auxiliary) • Move the largest disk from peg 1 to peg 3 • Move recursively n-1 disk(s) from peg 2 to peg 3 (with peg 1 as an auxiliary)
Recursive Pseudocode FUNCTION MoveTower(disk, source, dest, spare): IF disk == 0, THEN: move disk from source to dest ELSE: MoveTower(disk - 1, source, spare, dest) move disk from source to dest MoveTower(disk - 1, spare, dest, source) END IF
ToH: Analysis (1) • Input's size = the number of disks = n • Basic operation = moving one disk • The number of moves M(n) depends on n only: M(n) = M(n-1) + 1 + M(n-1) ; for n>1 • Recurrence relation: • M(n) = 2M(n-1) + 1 ; for n>1 • M(1) = 1 initial condition
ToH: Analysis (2) • Backward substitution: M(n) = 2M(n-1) + 1 = 2[2M(n-2)+1]+1=22M(n-2)+2+1 = 22 [2M(n-3)+1]+2+1=23M(n-3)+22+2+1 = 24M(n-4)+23+22+2+1 • The pattern, after i substitution: M(n) = 2iM(n-i) + 2i-1 + 2i-2 +..+ 2 + 1 = 2iM(n-i) + 2i - 1
ToH: Analysis (3) • Initial condition, n=1 i=n-1: M(n) = 2iM(n-i) + 2i - 1 = 2(n-1)M(n-(n-1)) + 2(n-1) -1 = 2(n-1)M(1) + 2(n-1) - 1 = 2(n-1) + 2(n-1) - 1 = 2n - 1 • Exponential algorithm! • This is the most efficient algorithm • It is the problem's intrinsic difficulty that makes it so computationally difficult
Exercises (2) Algorithm S(n) //input: a positive integer n if n = 1 return 1 else return S(n-1)+n*n*n • What does this algorithm compute? • Set up and solve a recurrence relation for the number of times the basic operation is executed • How does this algorithm compare with the straightforward non recursive algorithm for computing this function?
Exercises (3) • Write an algorithm to find the n-th Fibonacci number recursively by using its definition. Is it more efficient than the iterative algorithm to find the same number? CS3024-FAZ
Exercises (4) • In the original version of the Tower of Hanoi puzzle (Edouard Lucas, 1890), the world will end after 64 disks have been moved from a mythical Tower of Brahma. • Estimate the number of years it will take if priests could move one disk per minute (they do not eat, sleep, or die) • How many moves are made by the i-th largest disk (1≤i ≤n) in this algorithm?
Questions?
감사합니다 Grazias Kiitos Gratias Danke ﺷﻜﺮﺍﹰ 谢谢 TerimaKasih Merci Thank You धन्यवाद ありがとうございます
