算法篇之（递归&分治）

前言：分治，分而治之，是一种处理问题的思路，先将大问题分解成各个子问题，再从子问题入手，二分查找算法就运用了分治的思想，将问题一分为二，如果要查找的数比中间的数小，从左边找起，反之，从右边找，不断向下分解，直到找到目标数；递归算法，最简单的理解就是函数自己调用自己，典型例子有计算阶乘、斐波拉契，递归算法也是后续学习深度优先搜索等算法的基础，这篇博客主要记录下分治思想的理解以及递归算法的学习。

思维导图

分治：分解大问题，分析子问题，处理子问题，合并结果，返回结果

递归的本质是循环，函数自己去调用自己。

计算阶乘

n!=1*2*3...*n

def Factorial(n):
    if n <= 1:
        return 1
    return n * Factorial(n-1)

斐波拉契：

时间复杂度2^n

def fib(n):
    if n == 0 or n == 1:
        return n
    return fib(n-1)+fib(n-2)

力扣50 计算x的n次方

力扣

解题思路

1、暴力解题，一个一个乘，乘以n次，O(N)

2、一分为二

n是奇数：先算完左边的y=x的(n-1)/2次方，再用y*y*x --->(n-1)/2取整 n/2

n是偶数，先算完左边y=x的n/2次方，再用y*y

时间复杂度O(logn)

此题也可以用位运算去解，具体可移步算法篇之（位运算）

CSDN

Python代码解题：

class Solution(object):
    def myPow(self, x, n):
        """
        :type x: float
        :type n: int
        :rtype: float
        """
        if not n:
            return 1
        if n < 0:
            return 1 / self.myPow(x, -n)
        if n % 2:
            return x * self.myPow(x, n-1)
        return self.myPow(x*x, n/2)

力扣169 多数元素

解题思路：

1、暴力解题，时间复杂度O(n^2)

2、用map，写一层循环，将所有元素放到map中，计算count值，时间复杂度O(n)

3、数组排序，O(nlog(n))

4、分治解法，分解，分别从left、right找最大值，比较left和right，返回最大值，时间复杂度O(nlog(n))