文章目录
1000.01.CS.AL.1.4-核心-DivedeToConquerAlgorithm-Created: 2024-06-15.Saturday09:35
1. 概述
分治算法(Divide and Conquer)是一种重要的算法设计思想,其核心思想是将一个复杂的问题分解为多个相对简单的小问题,通过解决这些小问题再合并其结果,从而得到原问题的解。分治算法的典型特征是递归,常用于求解具有重复子问题性质的问题。
2. 适用场景
分治算法适用于以下场景:
- 问题可以分解为若干个规模较小且相互独立的子问题。
- 这些子问题的解可以合并得到原问题的解。
- 具有最优子结构性质,即子问题的最优解可以合成原问题的最优解。
3. 设计步骤
- 分解(Divide):将原问题分解为若干个子问题,这些子问题的结构与原问题相同但规模较小。
- 解决(Conquer):递归地解决这些子问题。当子问题的规模足够小时,直接解决。
- 合并(Combine):将子问题的解合并,得到原问题的解。
4. 优缺点
- 优点:分治算法的递归思想使其在解决许多复杂问题时表现出色。具有良好的可扩展性和并行计算的潜力。
- 缺点:对于某些问题,分治算法可能会引入额外的开销,如递归调用栈和合并步骤的时间复杂度。
5. 典型应用
- 归并排序(Merge Sort):一种高效的排序算法,利用分治思想将数组分为两半,递归地排序并合并。
- 快速排序(Quick Sort):另一种高效的排序算法,选择一个基准元素,将数组分为两部分,递归排序。
- 最近点对问题(Closest Pair Problem):在平面上找到距离最近的两点,分治法可以将时间复杂度降至 O(nlogn)O(n \log n)O(nlogn)。
- 矩阵乘法(Strassen’s Algorithm):一种用于矩阵乘法的分治算法,降低了时间复杂度。
6. 题目和代码示例
6.1 简单题目:归并排序
题目描述:实现归并排序算法,对给定的数组进行排序。
代码示例:
#include <iostream>
#include <vector>
// 函数声明
void mergeSort(std::vector<int>& arr, int left, int right);
void merge(std::vector<int>& arr, int left, int mid, int right);
int main() {
std::vector<int> arr = {38, 27, 43, 3, 9, 82, 10};
mergeSort(arr, 0, arr.size() - 1);
for (int num : arr) {
std::cout << num << " ";
}
std::cout << std::endl;
return 0;
}
// 归并排序:递归地将数组分成两半进行排序
void mergeSort(std::vector<int>& arr, int left, int right) {
if (left < right) {
int mid = left + (right - left) / 2;
mergeSort(arr, left, mid);
mergeSort(arr, mid + 1, right);
merge(arr, left, mid, right);
}
}
// 合并两个已排序的子数组
void merge(std::vector<int>& arr, int left, int mid, int right) {
int n1 = mid - left + 1;
int n2 = right - mid;
std::vector<int> L(n1), R(n2);
for (int i = 0; i < n1; ++i) {
L[i] = arr[left + i];
}
for (int j = 0; j < n2; ++j) {
R[j] = arr[mid + 1 + j];
}
int i = 0, j = 0, k = left;
while (i < n1 && j < n2) {
if (L[i] <= R[j]) {
arr[k] = L[i++];
} else {
arr[k] = R[j++];
}
++k;
}
while (i < n1) {
arr[k++] = L[i++];
}
while (j < n2) {
arr[k++] = R[j++];
}
}
Others.
def merge_sort(arr):
if len(arr) > 1:
mid = len(arr) // 2
left_half = arr[:mid]
right_half = arr[mid:]
merge_sort(left_half)
merge_sort(right_half)
i = j = k = 0
while i < len(left_half) and j < len(right_half):
if left_half[i] < right_half[j]:
arr[k] = left_half[i]
i += 1
else:
arr[k] = right_half[j]
j += 1
k += 1
while i < len(left_half):
arr[k] = left_half[i]
i += 1
k += 1
while j < len(right_half):
arr[k] = right_half[j]
j += 1
k += 1
# 示例
arr = [38, 27, 43, 3, 9, 82, 10]
merge_sort(arr)
print(arr) # 输出: [3, 9, 10, 27, 38, 43, 82]
6.2 中等题目:最近点对问题
题目描述:在平面上找到距离最近的两点,时间复杂度为 O(nlogn)。
代码示例:
#include <iostream>
#include <vector>
#include <cmath>
#include <algorithm>
struct Point {
int x, y;
};
double dist(const Point& p1, const Point& p2) {
return std::sqrt((p1.x - p2.x) * (p1.x - p2.x) + (p1.y - p2.y) * (p1.y - p2.y));
}
double closestPair(std::vector<Point>& points, int left, int right) {
if (right - left <= 3) {
double minDist = std::numeric_limits<double>::infinity();
for (int i = left; i < right; ++i) {
for (int j = i + 1; j <= right; ++j) {
minDist = std::min(minDist, dist(points[i], points[j]));
}
}
return minDist;
}
int mid = left + (right - left) / 2;
double d1 = closestPair(points, left, mid);
double d2 = closestPair(points, mid + 1, right);
double d = std::min(d1, d2);
std::vector<Point> strip;
for (int i = left; i <= right; ++i) {
if (std::abs(points[i].x - points[mid].x) < d) {
strip.push_back(points[i]);
}
}
std::sort(strip.begin(), strip.end(), [](const Point& p1, const Point& p2) {
return p1.y < p2.y;
});
double minDist = d;
for (size_t i = 0; i < strip.size(); ++i) {
for (size_t j = i + 1; j < strip.size() && (strip[j].y - strip[i].y) < minDist; ++j) {
minDist = std::min(minDist, dist(strip[i], strip[j]));
}
}
return minDist;
}
int main() {
std::vector<Point> points = {{2, 3}, {12, 30}, {40, 50}, {5, 1}, {12, 10}, {3, 4}};
std::sort(points.begin(), points.end(), [](const Point& p1, const Point& p2) {
return p1.x < p2.x;
});
std::cout << "最近点对距离: " << closestPair(points, 0, points.size() - 1) << std::endl;
return 0;
}
Others.
import math
def dist(p1, p2):
return math.sqrt((p1[0] - p2[0]) ** 2 + (p1[1] - p2[1]) ** 2)
def closest_pair(points):
def closest_pair_recursive(points):
if len(points) <= 3:
return min((dist(p1, p2), (p1, p2)) for i, p1 in enumerate(points) for p2 in points[i+1:])[1]
mid = len(points) // 2
left_half = points[:mid]
right_half = points[mid:]
(d1, pair1) = closest_pair_recursive(left_half)
(d2, pair2) = closest_pair_recursive(right_half)
d = min(d1, d2)
pair = pair1 if d1 < d2 else pair2
strip = [p for p in points if abs(p[0] - points[mid][0]) < d]
strip.sort(key=lambda p: p[1])
for i in range(len(strip)):
for j in range(i+1, len(strip)):
if strip[j][1] - strip[i][1] >= d:
break
d_new = dist(strip[i], strip[j])
if d_new < d:
d = d_new
pair = (strip[i], strip[j])
return d, pair
points.sort(key=lambda p: p[0])
return closest_pair_recursive(points)[1]
# 示例
points = [(2, 3), (12, 30), (40, 50), (5, 1), (12, 10), (3, 4)]
print(closest_pair(points)) # 输出: ((2, 3), (3, 4))
6.3 困难题目:分数背包问题
题目描述:给定物品的重量和价值,求在背包容量限制下的最大价值,物品可以分割。
代码示例:
#include <iostream>
#include <vector>
#include <algorithm>
struct Item {
double value;
double weight;
};
double fractionalKnapsack(std::vector<Item>& items, double capacity) {
std::sort(items.begin(), items.end(), [](const Item& a, const Item& b) {
return (a.value / a.weight) > (b.value / b.weight);
});
double totalValue = 0;
for (const auto& item : items) {
if (capacity >= item.weight) {
capacity -= item.weight;
totalValue += item.value;
} else {
totalValue += item.value * (capacity / item.weight);
break;
}
}
return totalValue;
}
int main() {
std::vector<Item> items = {{60, 10}, {100, 20}, {120, 30}};
double capacity = 50;
std::cout << "背包的最大价值: " << fractionalKnapsack(items, capacity) << std::endl;
return 0;
}
Others.
def fractional_knapsack(values, weights, capacity):
items = list(zip(values, weights))
items.sort(key=lambda x: x[0] / x[1], reverse=True)
total_value = 0
for value, weight in items:
if capacity >= weight:
capacity -= weight
total_value += value
else:
total_value += value * (capacity / weight)
break
return total_value
# 示例
values = [60, 100, 120]
weights = [10, 20, 30]
capacity = 50
print(fractional_knapsack(values, weights, capacity)) # 输出: 240.0
7. 题目和思路表格
序号 | 题目 | 题目描述 | 分治策略 | 代码实现 |
---|---|---|---|---|
1 | 归并排序 | 对给定的数组进行排序 | 递归地将数组分成两半进行排序 | 代码 |
2 | 最近点对问题 | 找到距离最近的两点 | 将点集合递归地分成两半 | 代码 |
3 | 分数背包问题 | 求在背包容量限制下的最大价值 | 每次选择单位重量价值最高的物品 | 代码 |
4 | 快速排序 | 高效排序算法 | 选择一个基准元素,将数组分为两部分,递归排序 | 代码 |
5 | 矩阵乘法 | 用于矩阵乘法 | 将矩阵分成更小的子矩阵,递归计算 | - |
6 | 求逆序对数量 | 统计数组中的逆序对个数 | 使用分治法将数组分成两半,递归统计逆序对 | - |
7 | 最大子序和 | 找出最大和的连续子序列 | 将序列递归地分成两半,合并子序列的结果 | - |
8 | 大整数乘法 | 实现高效的大整数乘法 | 使用Karatsuba算法,将大整数分成两部分进行递归计算 | - |
9 | 二维平面上的最近点对 | 在平面上找到距离最近的两点 | 将点集合递归地分成两半,合并结果 | - |
10 | 棋盘覆盖问题 | 用L型骨牌覆盖2^n * 2^n的棋盘 | 将棋盘递归地分成四部分,覆盖部分棋盘 | - |
8. 总结
分治算法是一种强大的算法设计思想,能够高效地解决许多复杂的问题。通过将问题分解为更小的子问题,分治算法不仅能够降低时间复杂度,还具有良好的可扩展性。在实际应用中,理解和掌握分治算法的思想和典型应用,对于解决各种问题具有重要意义。通过本文的例子和思路,相信读者能够深入理解分治算法的关键概念,并灵活应用于实际问题中。