递归算法的优缺点
递归算法
递归算法
递归算法是一种直接或者间接地调用自身的算法。
在计算机编写程序中，递归算法对解决一大类问题是十分有效的，它往往使算法的描述简洁而且易于理解。
递归算法解决问题的特点：
(1) 递归就是在过程或函数里调用自身。
(2) 在使用递归策略时，必须有一个明确的递归结束条件，称为递归出口。
(3) 递归算法解题通常显得很简洁，但递归算法解题的运行效率较低。
所以一般不提倡用递归算法设计程序。
(4) 在递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。
递归次数过多容易造成栈溢出等。
所以一般不提倡用递归算法设计程序。
递归算法所体现的“重复”一般有三个要求：
一是每次调用在规模上都有所缩小(通常是减半)；
二是相邻两次重复之间有紧密的联系，前一次要为后一次做准备(通常前一次的输出就作为后一次的输入)；
三是在问题的规模极小时必须用直接给出解答而不再进行递归调用，因而每次递归调用都是有条件的(以规模未达到直接解答的大小为条件)，无条件递归调用将会成为死循环而不能正常结束。
简述递归思维模式
递归思维模式递归（recursion）是一种常见的问题解决思维模式，它可以将一个大问题划分为更小的子问题，然后通过解决子问题来解决原始问题。
递归在计算机科学中具有广泛的应用，尤其在算法和数据结构中非常常见。
本文将介绍递归思维模式的定义、原理、应用场景、优缺点以及一些实例。
什么是递归思维模式在计算机科学中，递归是一种通过调用自身来解决问题的方法。
递归思维模式基于一个简单的原则：将一个大问题分解为更小的子问题的解决方案。
这种分而治之的思想使得解决问题变得更加简单和可理解。
递归思维模式通常包含两个关键要素： 1. 递归基（base case）：是递归过程中最简单的情况，不再需要递归调用，直接返回结果。
2. 递归步骤（recursive step）：将原始问题划分为更小的同类子问题，并通过递归调用来解决。
通过这两个要素的组合，递归可以将问题规模不断缩小，直到达到递归基，从而逐步解决问题。
递归原理递归的原理可以通过数学归纳法来理解。
假设我们要证明一个性质对于所有的自然数都成立，我们可以分为两步： 1. 证明基本情况下性质成立，比如证明对于自然数1时该性质成立。
2. 假设该性质对于某个自然数n成立，然后证明对于自然数n+1也成立。
递归的原理与上述过程类似。
首先，我们需要确定递归基，即最简单的情况。
然后，我们假设在解决一个规模为n的问题时，我们已经掌握了解决规模为n-1的子问题的方法。
接下来，我们使用这个假设来解决规模为n的问题。
最后，我们将问题的规模不断缩小，直到达到递归基。
递归的应用场景递归思维模式在很多问题中都有应用，特别是涉及到树结构（如二叉树、图）的问题。
以下是一些递归的应用场景：树的遍历对于树结构，我们可以使用递归思维模式来实现遍历操作，包括前序遍历、中序遍历和后序遍历。
递归的方式非常直观，对于每一个节点，我们先处理它自身，然后递归地处理它的左子树和右子树。
组合和排列问题组合和排列问题在组合数学和算法中经常出现，例如给定一组元素，求出所有的组合或排列的情况。
递归算法的优缺点
递归算法的优缺点递归算法是一种常用的算法设计技术，它将一个问题划分为一个或多个小一些的子问题，然后通过解决这些子问题来解决原始问题。
递归算法在计算机科学中被广泛应用，能够解决许多问题。
然而，递归算法也存在一些优缺点，本文将对其进行详细讨论。
1. 优点1.1. 简洁易懂递归算法的实现通常比较简洁，易于理解和调试。
它将问题分解为更小的子问题，每个子问题的解决方法通常与原问题类似，因此递归算法的代码逻辑清晰，易于理解。
1.2. 问题分解递归算法能够将一个复杂的问题分解为多个较小的子问题，并通过解决这些子问题来解决原始问题。
这种问题分解的方式能够简化问题的求解过程，并提供一种结构化的方法来解决问题。
1.3. 复用性递归算法可以将一个问题具体化为多个相似的子问题，因此解决一个子问题的代码可以被复用于解决其他类似的子问题。
这种复用性可以减少代码的冗余，提高代码的可维护性和可扩展性。
1.4. 数学表达能力递归算法能够利用数学归纳法的思想来解决问题，通过简单的基本情况和递推关系，可以推导出整个问题的解。
这种数学表达能力使得递归算法对于一些数学问题的求解特别有效。
2. 缺点2.1. 性能问题递归算法在某些情况下可能会因为重复计算而导致性能问题。
由于递归算法的特性，每次递归调用都会生成一个新的函数调用栈，当递归深度过大时，会造成大量的函数调用开销。
2.2. 栈溢出递归算法通常会通过函数调用栈来保存每次递归调用的状态，当递归深度过大时，函数调用栈可能会超出系统的栈空间限制，导致栈溢出错误。
2.3. 可读性和调试难度尽管递归算法相对简洁，但由于其对于问题的分解方式和递归调用的特性，递归算法的代码可读性相对较差，很容易出现逻辑错误。
此外，递归算法的调试也相对困难，特别是当递归深度较大时，很难跟踪递归调用的执行过程。
2.4. 空间占用递归算法在每次递归调用时会生成新的函数调用栈，这会占用大量的内存空间。
当递归深度很大时，可能会占用大量的系统内存，导致内存资源的浪费。
递归算法知识点总结
递归算法知识点总结一、基本概念递归算法的基本概念是基于递归函数的思想。
递归函数是一个调用自身的函数。
递归算法通常可以分为两种类型：简单递归和复杂递归。
简单递归是指在递归函数中直接调用自身，而复杂递归则是指在递归函数中可能会有多个递归调用。
递归算法通常用于解决可以分解为若干子问题的问题，这种方法通常可以更加简洁地解决问题，但同时也可能会带来一些计算复杂度的问题。
递归算法的设计通常包括以下几个步骤：1. 确定基本情况：在设计递归函数时，通常需要确定一个或多个基本情况。
基本情况通常是指在递归函数中不需要再次调用自身的情况。
2. 确定递归情况：在设计递归函数时，需要确定一个或多个递归情况。
递归情况通常是指在递归函数中需要调用自身的情况。
3. 确定递归方式：当确定了递归函数的基本情况和递归情况之后，就需要确定递归函数的调用方式。
通常有两种方式：直接递归和间接递归。
4. 编写递归函数：根据确定的基本情况、递归情况和递归方式，编写递归函数。
5. 测试递归函数：编写递归函数后，需要对递归函数进行测试，确保递归函数能够正确地解决问题。
二、递归算法的原理递归算法的原理是基于递归函数的调用。
当一个递归函数被调用时，它会将自身的执行环境保存到栈中，并且在栈中分配一些空间。
在递归函数中，如果有一些局部变量，这些变量会在栈中分配空间。
随着递归函数的深入调用，栈中的空间也会不断增加。
在递归函数的执行过程中，通常需要考虑递归栈的压栈和出栈操作。
在递归函数被调用时，会执行一些初始化操作，并将递归参数保存到栈中。
在递归函数中，如果遇到递归情况，会再次调用自身，并且将自身的执行环境保存到栈中。
在递归函数的执行过程中，如果遇到基本情况，就会结束当前递归调用，并且从栈中释放空间。
递归算法的原理是基于递归函数的深度调用的。
当递归函数被调用时，会执行一些初始化过程，并将递归参数保存到栈中。
当递归函数执行完毕后，会从栈中释放空间。
在递归函数的执行过程中，栈中的空间会不断增加和释放。
计算机算法递归
计算机算法递归计算机算法是计算机科学和数学中的一种技巧，用来解决计算问题。
它是一种有序的步骤集合，每个步骤都受到严格的限制。
计算机算法是一种计算机程序，它能够解决某个具体问题或提供某种服务。
而递归则是计算机算法中的一种常见的技巧。
递归是什么？递归是指一个函数调用自身的行为。
在计算机领域中，递归常用于解决一些需要多层关联的问题，如树形结构和图形结构问题。
递归可以使得代码更加简单、易于理解，但它也可能会带来效率问题。
递归函数的基本结构递归函数通常有两个部分：一个递归部分和一个终止条件。
递归部分是指调用函数本身，而终止条件是指在某个条件下停止递归。
递归函数的基本结构如下：```def recursion_function(parameters):if exit from condition satisfied:return some valueelse:recursion_function(modified parameters)```递归函数的例子下面是一个简单的递归算法，用于计算一个数字的阶乘：```def factorial(n):if n == 1:return 1else:return n * factorial(n-1)```在这个例子中，递归函数计算 n 的阶乘，如果 n == 1，就返回1，否则就返回 n * 执行 factorial(n-1) 的结果。
这里递归部分就是调用 factorial 函数本身，而终止条件就是 n == 1 时返回 1。
递归的优点和缺点递归的优点是可以使代码更加简单易懂。
某些情况下，使用递归可以大大降低代码量，从而避免编写大量的循环语句。
递归还可以简化一些问题的处理，如图形结构和树形结构问题。
然而，递归也有其缺点。
首先，在不断地调用函数时，系统需要维护大量的调用栈，这样会消耗大量的系统资源，可能会导致程序崩溃。
其次，在某些情况下，使用递归会带来效率问题，因为同一个问题可能会被重复计算多次，从而导致程序运行缓慢。
java递归写法
java递归写法递归是一种重要的算法思想，它可以用来解决很多问题，例如数学中的阶乘、斐波那契数列、树的遍历等。
在Java中，递归的写法可以很简单，但是如果不小心就会出现栈溢出等问题。
本文将介绍Java中递归的写法，以及如何避免递归过程中出现的一些问题。
一、递归的概念递归是一种函数调用自身的算法思想。
它通过将一个问题分解为更小的子问题来解决问题。
递归算法的基本思路是：当问题的规模足够小时，直接求解；否则，将问题分解为规模更小的子问题，递归地解决子问题，最后将子问题的结果合并起来得到原问题的解。
递归算法有两个重要的特点：一是递归调用函数本身；二是需要有一个递归终止条件。
递归调用函数本身是为了将问题规模缩小，递归终止条件是为了避免无限递归。
二、递归的实现递归的实现需要考虑两个方面：递归调用和递归终止条件。
递归调用是指在函数中调用自身，递归终止条件是指当问题规模足够小时，直接求解。
例如，求n的阶乘可以使用递归实现。
当n等于1时，阶乘为1；否则，阶乘为n乘以(n-1)的阶乘。
代码如下：```javapublic class Factorial {public static long factorial(int n) {if (n == 1) {return 1;} else {return n * factorial(n - 1);}}}```这段代码中，递归调用在return语句中，递归终止条件是当n 等于1时，直接返回1。
三、递归的应用递归算法可以用来解决很多问题，例如数学中的阶乘、斐波那契数列、树的遍历等。
下面分别介绍这些应用。
1. 阶乘阶乘是指从1到n的所有正整数相乘的积。
例如，5的阶乘为5x4x3x2x1=120。
使用递归算法可以很容易地求出n的阶乘。
代码如下：```javapublic class Factorial {public static long factorial(int n) {if (n == 1) {return 1;} else {return n * factorial(n - 1);}}}```2. 斐波那契数列斐波那契数列是指第n个数等于前两个数之和。
程序设计中的递归算法
程序设计中的递归算法递归算法是程序设计中一种重要的编程思想和技巧。
它通过自身调用来解决问题，使得问题可以分解为更小的子问题，并逐步求解这些子问题，最终得到原问题的解。
在程序设计中，递归算法常常用于处理具有递归性质的问题，解决这些问题时可以简化代码结构，提高代码的可读性和可维护性。
下面将介绍递归算法的定义、特点以及应用领域。
一、递归算法的定义递归算法是指一个函数或过程在其定义中直接或间接地调用自身的算法。
递归算法通过将原问题转化为规模较小的相同问题来求解，直到问题规模缩小到可以直接解决的程度，最后将子问题的解合并为原问题的解。
二、递归算法的特点1. 自相似性：递归算法在问题的求解过程中，使用相同的方法来处理子问题。
原问题的求解方法和子问题的求解方法是一致的，它们之间只在问题规模上存在差异。
2. 递归调用：递归算法通过函数或过程的自身调用来解决问题。
在每一次递归调用中，问题规模都会减小，直到问题规模缩小到可以直接解决的程度。
3. 终止条件：递归算法必须有一个终止条件，当满足终止条件时，递归停止，不再进行调用。
否则，递归将陷入无限循环。
三、递归算法的应用领域递归算法在程序设计中应用广泛，以下是几个常见的应用领域：1. 数学计算：递归算法可以用于解决数学问题，如斐波那契数列、阶乘等。
例如，斐波那契数列可以使用递归算法来求解，其定义如下：```fib(n) = fib(n-1) + fib(n-2)，其中n >= 2。
fib(0) = 0，fib(1) = 1。
```2. 数据结构：递归算法在数据结构中的应用非常广泛，如二叉树的遍历、图的深度优先搜索等。
以二叉树的中序遍历为例，其递归算法实现如下：```void inorderTraversal(TreeNode* root) {if (root == nullptr) {return;}inorderTraversal(root->left);cout << root->val << " ";inorderTraversal(root->right);}```3. 字符串处理：递归算法可以用于解决字符串处理的问题，如字符串反转、括号匹配等。
递归算法的优缺点
递归算法的优缺点递归算法是一种使用自身定义的函数来解决问题的方法。
递归算法的优点包括简洁、直观，能够将问题转化为较小的相同问题进行解决。
然而，递归算法也存在一些缺点，包括效率低下、可能引发栈溢出等问题。
首先，递归算法的优点是简洁、直观。
递归算法通常能够将原始问题转化为较小的子问题，然后通过调用自身函数来解决这些子问题。
这种简洁的方式使得算法的实现更加直观和易于理解。
相比于迭代算法，递归算法往往具有更少的代码量，使得代码更加简洁优雅。
其次，递归算法能够提供一种自顶向下的问题解决方式。
递归算法可以将复杂的问题分解为更小的子问题，然后逐步解决这些子问题，在子问题解决完成后再进行逐步合并，最终得到原始问题的解。
这种自顶向下的思维方式使得问题的解决过程更加直观、易于理解。
此外，递归算法还具有形式上的优点。
递归算法在问题的定义上使用了自身函数的调用，使得代码的结构更加紧凑和简洁。
递归算法的代码常常能够简洁地反映问题的本质，使得代码更加易于维护和扩展。
然而，递归算法也存在一些缺点。
首先，递归算法的效率往往较低。
递归算法在解决问题时需要频繁地调用自身函数，而函数调用涉及到压栈和出栈的过程，会带来额外的开销。
在一些情况下，递归算法的效率可能远远低于迭代算法。
其次，递归算法容易引发栈溢出的问题。
每次递归调用函数时，系统都需要为该函数分配一定的栈空间。
如果递归调用的层数过多，就会导致栈空间不足，从而引发栈溢出的问题。
为了避免栈溢出，需要限制递归调用的深度，或者使用尾递归优化等技术手段。
此外，递归算法的实现往往需要额外的空间开销。
每次递归调用函数时，都需要保存函数的局部变量、参数值等信息，以便后续的出栈和恢复操作。
这些额外的空间开销会占用较多的内存，特别是在递归调用的次数较多时。
最后，递归算法可能出现递归陷阱的问题。
递归陷阱是指当递归算法的终止条件不满足时，递归调用会一直持续下去，导致程序无法正常终止。
为了避免递归陷阱，必须正确地设计和实现递归算法的终止条件，以确保程序能够正常结束。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
○1优点：结构清晰，可读性强，而且容易用数学归纳法来证明算法的正确性，因此它为设计算法、调试程序带来很大方便。
○2缺点：递归算法的运行效率较低，无论是耗费的计算时间还是占用的存储空间都比非递归算法要多。
边界条件与递归方程是递归函数的二个要素应用分治法的两个前提是问题的可分性和解的可归并性以比较为基础的排序算法的最坏倩况时间复杂性下界为0(n·log2n)。
回溯法以深度优先的方式搜索解空间树T，而分支限界法则以广度优先或以最小耗费优先的方式搜索解空间树T。
舍伍德算法设计的基本思想:设A是一个确定性算法，当它的输入实例为x时所需的计算时间记为tA(x)。
设Xn是算法A的输入规模为n的实例的全体，则当问题的输入规模为n时，算法A所需的平均时间为这显然不能排除存在x∈Xn使得的可能性。
希望获得一个随机化算法B，使得对问题的输入规模为n的每一个实例均有拉斯维加斯( Las Vegas )算法的基本思想:设p(x)是对输入x调用拉斯维加斯算法获得问题的一个解的概率。
一个正确的拉斯维加斯算法应该对所有输入x均有p(x)>0。
设t(x)是算法obstinate找到具体实例x的一个解所需的平均时间 ,s(x)和e(x)分别是算法对于具体实例x求解成功或求解失败所需的平均时间，则有：解此方程可得：蒙特卡罗(Monte Carlo)算法的基本思想:设p是一个实数，且1/2<p<1。
如果一个蒙特卡罗算法对于问题的任一实例得到正确解的概率不小于p，则称该蒙特卡罗算法是p正确的，且称p-1/2是该算法的优势。
如果对于同一实例，蒙特卡罗算法不会给出2个不同的正确解答，则称该蒙特卡罗算法是一致的。
线性规划基本定理：如果线性规划问题有最优解，则必有一基本可行最优解。
单纯形算法的特点是：（1）只对约束条件的若干组合进行测试，测试的每一步都使目标函数的值增加；（2）一般经过不大于m或n次迭代就可求得最优解。
单纯形算法的基本思想就是从一个基本可行解出发，进行一系列的基本可行解的变换。
每次变换将一个非基本变量与一个基本变量互调位置，且保持当前的线性规划问题是一个与原问题完全等价的标准线性规划问题。
图灵机由以下几部分组成：一条无限长的带（有无穷个格子）、一个读写头、一个有限状态控制器以及一个程序。
NPC形式化定义：定义1：语言L是NP完全的当且仅当（1） L【NP；（2）对于所有L’【NP有L’ ～pL。
如果有一个语言L满足上述性质(2),但不一定满足性质（1），则称该语言是NP难的。
所有NP完全语言构成的语言类称为NP完全语言类，就是NPC。
定理1 设L是NP完全的，则（1）L P当且仅当P＝NP；（2）若 L p L1，且 L1 NP，则L1是NP完全的。
团问题:任给图G和整数k．试判定图G中是否存在具有k个顶点的团？1)团问题NP。
显然，验证G的一个子图是否成团只需多项式时间即可。
2)SAT团问题。
任给表达式f．构造一个相应的图G如下：①图G的每个顶点对应于f中的每个文字(多次出现的重复计算)。
②若G中两个顶点其原对应的文字不相互补且不出现于同一于句中，则将其连线。
设f有n个子句，则f可满足当且仅当f对应的图G中有n个顶点的团。
这是因为：(a)若f可满足，即有某种赋值使得f取值为真，它等价于使得每个ci中都至少有一个文字为真，这n个文字(每个ci(1＜i<n)中一个)对应的图G中的n个顶点就构成一个团。
(b)若图G中有一n个顶点的团，则取给出使得这n个顶点对应的文字都为真的赋值，则f 的取值为真(这由图G的定义易证)。
显见，上述构造图G的方法是多项式界的，因此SAT 团问题。
由(a)、(b)有，团问题NPC。
证毕。
单源最短路径问题:void shortestpaths(v){MinHeap H[1000];x)；DeleteMin(H,E)；} .mn个向量。
解符号三角形问题的回溯算法Backtrack所需的计算时间为O(n2n)。
贪心法解最优装载问题：template<class Type>void Loading(int x[], Type w[], Type c, int n){int *t = new int [n+1];Sort(w, t, n);for (int i = 1; i <= n; i++) x[i] = 0;for (int i = 1; i <= n && w[t[i]] <= c; i++) {x[t[i]] = 1; c -= w[t[i]];} }算法所需的计算时间为 O(nlogn)算法是指解决问题的一种方法或一个过程。
算法是若干指令的有穷序列，满足性质：(1)输入 (2)输出 (3)确定性 (4)有限性：问题的计算时间下界为(f(n))，则计算时间复杂性为O(f(n))的算法是最优算法。
1. 什么是动态规划法：将问题分解成多级或许多子问题，然后顺序求解子问题，前一个子问题的解为后一个子问题的求解提供有用的信息。
2. 什么是贪心法：从问题某一初始或推测值出发，一步步的攀登给定目标，尽可能快的去逼近更好的解，当达到某一步不能继续时终止。
3.什么是分支定界法：对有约束条件的最优化问题所有可行解定向、适当地进行搜索。
将可行解空间不断地划分为越来越小的子集（分支），并为每一个子集的解计算一个上界和下界（定界）。
5、什么是NP类问题：NP={L|L是一个能在多项式时间内被一台NDTM图灵机所接受的语言}，其中NDTM是非确定性图灵机。
或者可说：NP是所有可在多项式时间内用不确定的算法求解的判定问题的集合。
对于NP类，相当于要求验证模块在多项式时间内完成对应NDTM，有非确定性算法。
1. 算法的分类：1）(数值算法 ) 2）非数值算法2. 算法的描述：1）自然语言描述 2）(流程图描述) 3）程序语言描述3. 算法的分析标准：1）时空观念 2 ）(发展观念) 3）设计观点 4）交流的观点设计动态规划算法的步骤。
(1)找出最优解的性质，并刻划其结构特征。
(2)递归地定义最优值。
(3)以自底向上的方式计算出最优值。
(4)根据计算最优值时得到的信息，构造最优解。
动态规划法求矩阵连乘问题：void MatrixChain(int *p，int n，int **m，int **s){for (int i = 1; i <= n; i++) m[i][i] = 0;for (int r = 2; r <= n; r++)for (int i = 1; i <= n - r+1; i++) {int j=i+r-1;m[i][j] = m[i+1][j]+ p[i-1]*p[i]*p[j];s[i][j] = i;for (int k = i+1; k < j; k++) {int t = m[i][k] + m[k+1][j] + p[i-1]*p[k]*p[j];if (t < m[i][j]) { m[i][j] = t; s[i][j] = k;}}}}因此算法的计算时间上界为O(n3)。
算法所占用的空间显然为O(n2)。
1.简述算法的五个重要的特征。
：①有穷性：一个算法必须保证执行有限步之后结束；②确切性：算法的每一步骤必须有确切的定义；③输入：一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定义了初始条件；④输出：一个算法有一个或多个输出，以反映对输入数据加工后的结果。
没有输出的算法是毫无意义的；⑤可行性：算法原则上能够精确地运行，而且人们用笔和纸做有限次运算后即可完成。
备注：算法可以没有输入。
因为有些算法中包含了输入，如随机产生输入。
2.简答贪心算法的基本元素：①贪心选择性质：所谓贪心选择性质指所求问题的整体最优解可以通过一系列局部最优的选择达到。
②最优子结构性质：当一个问题的最优解包含其子问题的最优解时，称此问题具有最优子结构。
3.简述动态规划算法的基本思想和基本步骤以及动态规划问题的特征。
动态规划的实质是分治思想和解决冗余，因此，动态规划是一种将问题实例分解为更小的、相似的子问题，并存储子问题的解而避免计算重复的子问题，以解决最优化问题的算法策略。
按以下几个步骤进行：①分析最优解的性质，并刻划其结构特征。
②递归地定义最优值。
③以自底向上的方式或自顶向下的记忆化方法（备忘录法）计算出最优值。
④根据计算最优值时得到的信息，构造一个最优解。
动态规划问题的特征：动态规划算法的有效性依赖于问题本身所具有的两个重要性质：最优子结构性质和子问题重叠性质。
1、最优子结构：当问题的最优解包含了其子问题的最优解时，称该问题具有最优子结构性质。
2、重叠子问题：在用递归算法自顶向下解问题时，每次产生的子问题并不总是新问题，有些子问题被反复计算多次。
动态规划算法正是利用了这种子问题的重叠性质，对每一个子问题只解一次，而后将其解保存在一个表格中，在以后尽可能多地利用这些子问题的解。
4.简述回溯算法的基本思想及解题步骤。
回溯法的基本思想：确定了解空间的组织结构后，回溯法就从开始结点（根结点）出发，以深度优先的方式搜索整个解空间。
这个开始结点就成为一个活结点，同时也成为当前的扩展结点。
在当前的扩展结点处，搜索向纵深方向移至一个新结点。
这个新结点就成为一个新的活结点，并成为当前扩展结点。
如果在当前的扩展结点处不能再向纵深方向移动，则当前扩展结点就成为死结点。
换句话说，这个结点不再是一个活结点。
此时，应往回移动（回溯）至最近的一个活结点处，并使这个活结点成为当前的扩展结点。
回溯法即以这种工作方式递归地在解空间中搜索，直至找到所要求的解或解空间中已没有活结点时为止。
（9分）运用回溯法解题通常包含以下三个步骤：（1）针对所给问题，定义问题的解空间；（2分）（2）确定易于搜索的解空间结构；（2分）（3）以深度优先的方式搜索解空间，并且在搜索过程中用剪枝函数避免无效搜索。
5.简述分治算法的基本思想及基本步骤。
分治法的基本思想：对于一个输入规模为n的问题，若该问题容易的解决，则直接解决，否则将其分解为k个规模较小的子问题，这些子问题相互独立且与原问题形式相同，递归求解这些子问题，然后将各个子问题的解合并，得到原问题的解。
（9分）分治法在每一层递归上由以下三个步骤组成：①划分：将原问题分解为若干规模较小、相互独立、与原问题形式相同的子问题；（2分）②解决：若子问题规模较小，则直接解决；否则递归求解各个子问题。
（2分）③合并：将各个子问题的解合并为原问题的解。
（2分）6.分支限界法的基本思想：分支限界法常以广度优先或以最小耗费（最大效益）优先的方式搜索问题的解空间树。