分治法——经典题型算法思路

求一个整数序列中的最大和最小元素

算法思想：

本题为无序序列查找最大/最小元素位置问题。

要求采用分治法求解，则与称假币问题的思路类似。

思路：（以查找最大元素为例）

对arr[low…high]求最大值max0

并分为arr[low…mid0]、arr[mid0+1…high]左右两段

再对分别对arr[low…mid0]和arr[mid0+1…high]求最大值max1L，max1R

每次将一段大区域划分为小区域

并在两个小区域中找到最大值与原来区域最大值相同的区域

，接着划分，递归上面过程，

由于partition过程不断缩小搜索范围，总能找到最大值所在位置。

检查最大值在左半段还是右半段中，若在左半段中

继续对左半段进行二分，分成两个更小的半段，求max2L，和max2R

检查最大值在小左半段还是小右半段，若在小左半段中

则继续对小左半段进行二分。。。

重复以上步骤，直至含有最大值的一段无法再分（只有一个元素），则该元素就是最大值，则该元素所在位置便是所求位置。

---

使用分治法实现归并排序

算法思想：

归并排序是分治法的经典案例，基本思想是将整体问题转换为局部问题，将局部问题的解最终合成整体解。

归并排序将序列分割为各个单元素：

例如：

[3  1  2  6  5  7  9]

划分为：

[3] [1] [2] [6] [5] [7] [9]

选取2个为一组对元素进行合并、排序(在此选2为合并的个数)

[3 1]  [2 6]  [5 7]  [9]

重复以上过程直至合成为一个序列

再次合并，排序(下面将合并排序整合为一步)

[1 2 3 6] [5 7 9]

再次进行合并,排序

[1 2 3 5 6 7 9]

当重新合并为一个序列时，序列已经变成有序序列。

从整体—>局部—>整体的这种解题方法就是分治法

归并排序使用自下而上的分治法，也可以使用自上而下的快速排序对序列进行排序。

---

使用分治法实现快速排序

简述：

常见的快排有3种类型

1.二分快排：

以序列的最后一个数num做划分值，将≤num的元素放左侧，＞num的元素放在右侧，

再将＞num的第一个元素与划分值位置交换，使得左侧区域扩充一个元素，

且该元素位置被固定下来。

取左侧区域的最后一个元素(num之前的元素)与右侧区域的最后一个元素

分别作为划分值对两个区域接着划分，重复这样的递归过程。

对于划分区域来说每次划分都会固定一个元素，

左右分区做递归， partition下去，总会让序列彻底有序。

2.三分快排：

与二分快排类似，选最后一个值num作为划分值将序列分为，<num,=num,>num三个区域，

分完后将>num区域的第一个元素与num交换,

导致中间全为num，中间的值就固定下来，

每次递归都会固定下来至少一个数

再对<num,>num区域重复partition过程，总会能使得序列有序。

三分快排比二分快排稍快，它一次可以排多个元素。

但无论上面两个的哪一种排序，时间复杂度都是O(n^2)

,因为划分值的位置是人为选取的，

因此总能举出最差的例子（1,2,3,4,5,6,7,8,9,10）

该序列每次partition只解决一个数。时间复杂度O(n^2)

3.随机划分值快排：

利用随机数取划分值，使得时间复杂度接近O(n*logN)

(该时间复杂度由概率论中，由于浮点数分布被认为是连续分布，单个点对整体影响可忽略，由期望和的累加公式求得，长期期望。算出每种情况的出现的概率以及对应的时间复杂度做积，相加，最终结果就是nlogN)

---

分治法求解最大子段和

分治法求最大子段和：

将整个大数列分为左右两个部分：则最大连续子数列应该在以下3种情况中

1. 完全包含在左半部分的数列中
2. 完全包含在右半部分的数列中
3. 横跨分割点，左右各占一部分

第1,2种情况可利用递归，不断对整个数列进行partition得到结果。

而第3种情况依赖于第1,2种情况，因此递归会从高—>低  在算出最底层第一二种情况后 再从低—>高 回推给上层，算出第三种情况的结果，三种情况取最大值，就是本题的解

---

使用分治法对递增有序序列a求众数

分治法求众数类似于荷兰国旗问题，而此序列已经有序

因此，只需要找到中间值，

与中间值相等的数为一个区域，<中间值的为一个区域，>中间值的为一个区域，

将序列划分为3部分<mid,=mid,>mid，

记录=mid区域中元素值个数max，

并在递归过程中不断更新max

继续对<mid,>mid区域递归上述过程，直到区域划分为1或0。

最终max的最大值就是整个序列的众数。