基本概念
字面上的解释是“分而治之”,就是把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并。这个技巧是很多高效算法的基础,如排序算法(快速排序,归并排序),傅立叶变换(快速傅立叶变换)……
基本思想及策略
- 基本思想:将一个问题,分解为多个子问题,递归的去解决子问题,最终合并为问题的解
- 策略:对于一个规模为n的问题,若该问题可以容易解决则直接解决,否则将其分解为k个规模较小的子问题,这些子问题互相独立与原问题形式相同,递归地解决这些子问题,然后将各子问题的解合并得到原问题的解
适用情况
- 问题分解为小问题后容易解决
2.问题可以分解为小问题,即最优子结构 - 分解后的小问题解可以合并为原问题的解
该问题所分解出的各个子问题是相互独立的,即子问题之间不包含公共的子子问题。
第一条特征是绝大多数问题都可以满足的,因为问题的计算复杂性一般是随着问题规模的增加而增加;
第二条特征是应用分治法的前提它也是大多数问题可以满足的,此特征反映了递归思想的应用;、
第三条特征是关键,能否利用分治法完全取决于问题是否具有第三条特征,如果具备了第一条和第二条特征,而不具备第三条特征,则可以考虑用贪心法或动态规划法。
第四条特征涉及到分治法的效率,如果各子问题是不独立的则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然可用分治法,但一般用动态规划法较好。
一般框架
分治法在每一层递归上都有三个步骤:
- step1 分解:将原问题分解为若干个规模较小,相互独立,与原问题形式相同的子问题;
- step2 解决:若子问题规模较小而容易被解决则直接解,否则递归地解各个子问题
step3 合并:将各个子问题的解合并为原问题的解。
它的一般的算法设计模式如下:Divide-and-Conquer(P)
if |P|≤n0
then return(ADHOC(P))
将P分解为较小的子问题 P1 ,P2 ,…,Pk
for i←1 to k
do yi ← Divide-and-Conquer(Pi) △ 递归解决Pi
T ← MERGE(y1,y2,…,yk) △ 合并子问题
return(T)
其中|P|表示问题P的规模;n0为一阈值,表示当问题P的规模不超过n0时,问题已容易直接解出,不必再继续分解。ADHOC(P)是该分治法中的基本子算法,用于直接解小规模的问题P。因此,当P的规模不超过n0时直接用算法ADHOC(P)求解。算法MERGE(y1,y2,…,yk)是该分治法中的合并子算法,用于将P的子问题P1 ,P2 ,…,Pk的相应的解y1,y2,…,yk合并为P的解。
依据分治法设计程序时的思维过程
实际上就是类似于数学归纳法,找到解决本问题的求解方程公式,然后根据方程公式设计递归程序。
1、一定是先找到最小问题规模时的求解方法
2、然后考虑随着问题规模增大时的求解方法
3、找到求解的递归函数式后(各种规模或因子),设计递归程序即可。
案例分析
1.最大子数组问题
问题:一个包含n个整数(有正有负)的数组A,找出和最大的非空连续子数组。(例如:[0, -2, 3, 5, -1, 2]应返回9,[-9, -2, -3, -5, -3]应返回-2。)
基本解法:暴力求解找出所有子数组( Θ(n2) Θ ( n 2 ) ),对每个子数组求和( Θ(n) Θ ( n ) ),总复杂度是 Θ(n3) Θ ( n 3 ) 。在遍历过程中,这些子数组的和是有重复计算的。下标i与j的区间和sum[i][j] = sum[i][j - 1] + A[j],所以子数组求和变为 Θ(1) Θ ( 1 ) ,时间复杂度降为 Θ(n2) Θ ( n 2 ) 。
分治解法:要寻找A[left…right]的最大子数组,可以在中点mid处将A一分为二成A[left…mid]和A[mid+1…right]。A[left…right]的最大子数组必定是以下三者之一:
完全位于A[left…mid]
完全位于A[mid+1…right]
跨越了中点,即最大子数组的左边界落在left和mid之间,右边界落在mid和right之间
1和2两种情况可以通过递归调用来查找最大子数组,所以关键是3这个“合并”的步骤。因为跨越中点的子数组都由两个子数组A[i…mid]和A[mid…j]组成,所以我们可以从mid这个位置开始,分别向前和向后查找两个以mid为界的最大子数组,最后把这两个子数组合并成A[i…j]这个跨越中点的最大子数组即可。最后,问题的解就是上述三种情况里面和最大的那个子数组
package com.test;
import java.util.ArrayList;
import java.util.List;
public class MyTest02 {
public static void main(String[] args) {
int[] a = { 13, -3, -25, 20, -3, -16, -23, 18, 20, -7, 12, -5, -22, 15, -4, 7 };
int[] s = getMaxSummary(a, 0, 15);
for (int i = 0; i < s.length; i++) {
System.out.println(s[i]);
}
}
/**
* 程序主入口
* @param A
* @param low
* @param high
* @return
*/
public static int[] getMaxSummary(int[] A, int low, int high) {
if (low == high) { // 如果長度就一個,那麼就把這個取出來
int[] result = { low, high, A[low] };
return result;
} else {
int middle = (int) Math.floor((low + high) / 2); // 获取中间值
int[] left = new int[3]; // 保存左边部分返回结果
int[] right = new int[3]; // 保存右边部分返回结果
int[] cross = new int[3]; // 返回交叉部分返回结果
left = getMaxSummary(A, low, middle);
right = getMaxSummary(A, middle + 1, high);
cross = getMaxCrossMid(A, low, high, middle);
if (left[2] >= right[2] && left[2] >= cross[2]) { // 那部分大就用了那部分
return left;
} else if (right[2] >= left[2] && right[2] >= cross[2]) {
return right;
} else {
return cross;
}
}
}
/**
* 獲取最大子數組(一部分在左邊,一部分在右邊)
*
* @param A
* @param low
* @param high
* @param middle
* @return
*/
public static int[] getMaxCrossMid(int[] A, int low, int high, int middle) {
int leftSum = Integer.MIN_VALUE;
int sum = 0; // 保存和的
int left = 0; // 记录左边位置
for (int i = middle; i >= low; i--) {
sum = sum + A[i];
if (sum > leftSum) { // 证明所加数字为正数,那么符合条件(因为最大子数组内正数越多指定越大)
leftSum = sum;
left = i;
}
}
int rightSum = Integer.MIN_VALUE;
int sum2 = 0;
int right = 0; // 记录右边位置
for (int i = middle + 1; i <= high; i++) {
sum2 = sum2 + A[i];
if (sum2 > rightSum) {
rightSum = sum2;
right = i;
}
}
int[] result = new int[3];
result[0] = left;
result[1] = right;
result[2] = leftSum + rightSum;
return result;
}
}