算法 - 分治与回溯

文章放置于：https://github.com/zgkaii/CS-Notes-Kz，欢迎批评指正！

分治

基本概念

分治算法（divide and conquer）和核心思想正如其字面含义，分而治之，就是把一个复杂问题分成两个或者更多的相同和相似的问题，直到最后问题可以简单的直接求解，原问题的解即是子问题解的合并。

这个定义看起来类似递归的定义，区别在于分治算法是一种处理问题的思想，而递归是一种编程技巧。实际上，分治算法一般比较适合用递归来实现，当然也可以用迭代来实现，这也是区别之一。递归算法从本质上来就是分治算法，无非就是有些问题递归需要将原问题分解成多个子问题，而有的只需要分解成一个子问题，前者为分治，后者即为递归。

分治算法能解决的问题一般满足下面几个条件：

• 分解（Divide）：将原问题分解成若干个子问题。
• 解决（Conquer）：分解的子问题足够小并可以独立求解的话，就直接求解。
• 合并（Merge）：将子问题的解合并，形成原问题的解。（这个合并操作的复杂度不易过高）

分治算法一般体现在归并排序和快速排序里面。

经典举例

以剑指 Offer 51. 数组中的逆序对为例，如果数组中的两个数字，前面一个数字大于后面的数字，则这两个数字组成一个逆序对。

例如数组[7,5,6,4]，其逆序对有(7,5)，(7,6)，(7,4)，(5,4)，(6,4)，逆序数为3+1+1=5。正如这里罗列的一样，暴力解法即拿每个数字跟它后面的数字比较，统计比它小的数记着k。n个元素就有对应的n个逆序数k，然后求这n个k之和。这样操作的时间复杂度为O(n²)。有没有更加高效的处理方法呢？

这里，可以采用分治的思想来解决问题。先把数组分成前后两个部分leftPart与rightPart，分别计算leftPart与rightPart对应逆序对数k1与k2，然后再计算 leftPart 与 rightPart 之间的逆序对个数 K3。那么总的逆序数为k1+k2+k3了。这样，通过分治把问题分解成独立子问题直接求解，最后再合并子问题的解。

为保证合并的操作复杂度不高，可以采用归并排序算法来解决。归并排序中有一个非常关键的操作，就是将两个有序的小数组，合并成一个有序的数组。如下图所示，为数组 [7, 3, 2, 6, 0, 1, 5, 4]的归并排序过程。

合并阶段本质上是合并两个排序数组的过程，而每当遇到 左子数组当前元素 > 右子数组当前元素 时，意味着 「左子数组当前元素 至 末尾元素」 与 「右子数组当前元素」 构成了若干 「逆序对」 。

    public int reversePairs(int[] nums) {
   
        if (nums.length < 2) 
            return 0;
        int[] tmp = new int[nums.length];// 临时数组用于归并
        return mergeSort(nums, tmp, 0, nums.length - 1);
    }

    public int mergeSort(int[] nums, int[] tmp, int left, int right) {
   
        // 终止条件,子数组长度为1，停止划分
        if (left >= right) 
            return 0;
        // 递归划分左子数组与右子数组
        int mid = left + right >>> 1;
        int res = mergeSort(nums, tmp, left, mid) + mergeSort(nums, tmp, mid + 1, right);
        //  合并阶段 idx为临时数组的移动指针
        int i = left, j = mid + 1, idx = left, count = 0;
        // 左右两数组都还剩有数字未排序时
        while (i <= mid && j <= right) {
   
            if (nums[i] > nums[j]) {
   
                tmp[idx+&#