通常,我们在做数据结构之外的题时会感觉比较吃力,此时就要考虑常见的分治和动态规划思想了(递归/迭代是其实现方式)。首先学一学分治!
文章目录
一. 分治的理论
1.1 分治的思想
分治 | 自顶向下,分而治之(常用递归) |
---|---|
分 | 将规模大的问题分解成较小规模的子问题 |
治 | 递归地求解子问题(若子问题规模足够小,停止递归进行求解) |
合 | 将子问题的解合并成原问题的解 |
1.2 典型场景 ☆
具体用法联想一下归并排序
1) 二分法或其变型
结题思路:折半折半查找缩小范围
易错点:移动到左右边界上如何处理
2)二叉树
结题思路:利用其左右子树
小窍门:分解为小问题的时候,要构建好Helper函数
二. 分治的应用
1. 多数元素
A)题目描述
169. Majority Element - Easy
给定一个大小为 n 的数组,找到其中的众数。众数是指在数组中出现次数大于 [n/2] 的元素。
假设数组是非空的,并且给定的数组总是存在众数.
B)思路
首先想到两种直白解法:
- 用字典存储出现的次数 - 时间复杂度O(n),空间复杂度O(n)
- 取数组排序后的中间元素 - 时间复杂度O(nlogn),空间复杂度O(1)
如何减小时间复杂度? 二分,不是有序或部分有序(貌似不太可行)
如何减小空间复杂度? O(1) ?
记众数为target,它出现的次数为count。遍历数组,若遇到相同的则count+1;否则count-1,则最终count肯定>=1。(即多数元素和其他元素两两抵消,最后肯定还剩余至少1个)
可以用摩尔投票法
如何分治呢?
本题分治不是最优解法,但是也来应用一下分治思想吧~~
- 分治:将原数组切分成左右两区间
- 截止条件:只剩1个元素,直接返回
- 合:合并两区间的结果(若相同,直接返回;若不同,返回出现在数组中出现次数更多的一方)
C)代码
解法1 - 摩尔投票法
时间复杂度O(n),空间复杂度O(1)
class Solution(object):
def majorityElement(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
target = -1
count = 0
for num in nums:
if count == 0:
target = num
if num == target:
count += 1
else:
count -= 1
return target
解法2 - 分治
class Solution(object):
def majorityElement(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
if len(nums) == 1:
return nums[0]
left = self.majorityElement(nums[:len(nums)//2])
right = self.majorityElement(nums[len(nums)//2:])
if left == right or nums.count(left) > nums.count(right):
return left
return right
2. 最大子序和
A)题目描述
53. Maximum Subarray - Easy
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
B)思路
看到最大,最小关键词,联想DP
以第i个元素结尾的最大子序和dp[i]:dp[i+1] = max(dp[i]+nums[i+1], nums[i+1])
当然不用DP占空间也可以
如何分治呢?
- 分治:将原数组切分成左右两区间
- 截止条件:只剩1个元素,直接返回
- 合:合并两区间的结果(难点)
最大子序列和可能来自三个地方:只来自左区间,只来自右区间或肯定横跨两区间(要计算横跨两区间的和)
C)代码
解法1 - DP
时间复杂度O(n),空间复杂度O(1)
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
res = maxSum = float("-inf")
for num in nums:
maxSum = max(num, maxSum + num)
res = max(res, maxSum)
return res
解法2 - 分治
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
if len(nums) == 1:
return nums[0]
left = self.maxSubArray(nums[:len(nums)//2])
right = self.maxSubArray(nums[len(nums)//2:])
leftRes = nums[len(nums)//2-1]
leftSum = 0
for num in nums[:len(nums)//2][::-1]:
leftSum += num
leftRes = max(leftRes, leftSum)
rightRes = nums[len(nums)//2]
rightSum = 0
for num in nums[len(nums)//2:]:
rightSum += num
rightRes = max(rightRes, rightSum)
return max(leftRes + rightRes, left, right)
3. Pow(x, n)
A)题目描述
50. Pow(x, n) - Medium
实现 pow(x, n) ,即计算 x 的 n 次幂函数。
B)思路
偷懒做法,直接return x**n
如何分治呢?
想到数学表达式
x\^n = x\^(n-1)*x
但是上面 - 每次n只能减1,太慢了。继续考虑数学表达式:当n是偶数时,有x\^n = (x\*x)\^(n//2)
- 分治:将n不断除以2
- 截止条件:n=1时直接返回x
- 合:n为偶数时 -
Pow(x, n) = Pow(x**x, n//2)
,n为奇数时 -Pow(x, n) = Pow(x**x, n//2)
C)代码
分治
class Solution(object):
def myPow(self, x, n):
"""
:type x: float
:type n: int
:rtype: float
"""
if n == 0:
return 1
if n == 1:
return x
if n < 0:
return 1/self.myPow(x, -n)
if n % 2 == 0:
return self.myPow(x*x, n//2)
return x * self.myPow(x*x, n//2) # return x * self.myPow(x, n-1)