主要思想
分治算法的主要思想是将原问题递归地分成若干个子问题,直到子问题满足边界条件,停止递归。将子问题逐个击破(一般是同种方法),将已经解决的子问题合并,最后,算法会层层合并得到原问题的答案。
分治算法的步骤
- 分:递归地将问题分解为各个的子问题(性质相同的、相互独立的子问题);
- 治:将这些规模更小的子问题逐个击破;
- 合:将已解决的子问题逐层合并,最终得出原问题的解;
分治法适用的情况
- 原问题的计算复杂度随着问题的规模的增加而增加。
- 原问题能够被分解成更小的子问题。
- 子问题的结构和性质与原问题一样,并且相互独立,子问题之间不包含公共的子子问题。
- 原问题分解出的子问题的解可以合并为该问题的解。
算法应用
leetcode 169题:
解题思路:
1. 定义递归终止条件
2. 使用二分递归处理数据
3,合:将结果数据合并解析返回
class Solution:
def majorityElement(self, nums: List[int]) -> int:
# 1.设置终止条件
if len(nums) == 1:
return nums[0]
# 2.进行二分递归 ---> 分
left = self.majorityElement(nums[:len(nums)//2]);
right = self.majorityElement(nums[len(nums)//2:]);
# 3.处理数据 ---> 合
if left == right:
return left
if nums.count(right) > nums.count(left):
return right
else:
return left
二分图:
leetcode 53题:
二分图:
题解:
class Solution(object):
def maxSubArray(self, nums):
n = len(nums)
#递归终止条件
if n == 1:
return nums[0]
else:
#递归计算左半边最大子序和
max_left = self.maxSubArray(nums[0:len(nums) // 2])
#递归计算右半边最大子序和
max_right = self.maxSubArray(nums[len(nums) // 2:len(nums)])
#计算中间的最大子序和,从右到左计算左边的最大子序和,从左到右计算右边的最大子序和,再相加
max_l = nums[len(nums) // 2 - 1]
print(max_l,nums)
tmp = 0
for i in range(len(nums) // 2 - 1, -1, -1):
tmp += nums[i]
max_l = max(tmp, max_l)
max_r = nums[len(nums) // 2]
tmp = 0
for i in range(len(nums) // 2, len(nums)):
tmp += nums[i]
max_r = max(tmp, max_r)
#返回三个中的最大值
return max(max_right,max_left,max_l+max_r)
leetcode 50题:
题解:如果次方为0时直接返回1,如果是负次方的时候将数值1/x,将平方去正按照正平方处理得出结果
class Solution:
def myPow(self, x: float, n: int) -> float:
if n == 0:
return 1;
elif n < 0:
x = 1/x
n = -n
# 如果n除2的余数为1递归处理
if n%2 == 1:
c = x * self.myPow(x,n-1)
return c
return self.myPow(x*x,n/2)