算法设计与分析第二章作业

本文介绍了最大子段和的分治算法,通过伪代码展示了如何处理最大字段和可能在左、右或中间的情况。算法时间复杂度分析为O(nlogn)。此外,探讨了分治法的思想,强调了问题分解、子问题求解及结果合并的过程,指出其在解决复杂问题时的简洁性和空间复杂度的挑战。
摘要由CSDN通过智能技术生成

 目录

1.请以伪代码描述最大字段和的分治算法

2.分析该算法的时间复杂度

3.结合本章的学习,你对分治法的体会和思考


1.请以伪代码描述最大字段和的分治算法

最大子段和的分治算法大致分为三种情况:

1.1最大字段和在左边  1.2最大字段和在右边     1.3最大字段和在中间

(1)临界情况:如果数组里面只有一个元素,若此元素大于0,则返回元素本身;反之,则返回0,代码如下:

 左边字段求和:

右边字段求和:

最后分治法三种情况比较,确定整个序列最大字段和

  

2.分析该算法的时间复杂度

分解子问题的时候是直接分解,其时间复杂度为O(1),求解子问题的时候分成两段进行求解,每段长度是原来的一半,因此时间复杂度为2T(n/2),合并子问题算法时间复杂度为O(1)。

再根据定理T(n)=2T(n/2)+O(n),所以得到最后的时间复杂度为O(nlogn).

3.结合本章的学习,你对分治法的体会和思考

分治算法其实就是把一个大问题进行拆分,拆分成许多小问题,然后再对小问题进行求解。一个很大的问题分解成许多解法一样的小问题,我们可以通过递归的方法来实现,这样的代码会比较简洁。但是显而易见的是,这样的空间复杂度会比较高。

总的来说,分治算法有以下几步:

(1) 将求解的较大规模的问题分割成k个更小规模的子问题。

(2) 对这k个子问题分别求解。如果子问题的规模仍然不够小,则再划分为k个子问题,如此递归的进行下去,直到问题规模足够小,很容易求出其解为止。

(3) 将求出的小规模的问题的解合并为一个更大规模的问题的解,自底向上逐步求出原来问题的解。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值