Leetcode_分治

Google大数据处理的三驾马车：GFS，Bigtable和MapReduce

MapReduce主要思想：

将原问题递归地分成若干个子问题，直到子问题满足边界条件，停止递归。将子问题逐个击破，将已经解决的子问题合并，最后算法会层层合并得到原问题的答案

分治算法的步骤：

• 分：递归地将问题分解为各个子问题
• 治：将这些规模更小的子问题逐个击破
• 合：将已解决的子问题逐层合并，最终得出原问题的解

分治法适用的情况

• 原问题的计算复杂度随着问题的规模增加而增加
• 原问题能够被分解成更小的子问题
• 子问题的结构和性质与原问题一样，并且相互独立，子问题之间不包含公共的子子问题
• 原问题分解出的子问题的解可以合并为该问题的解

算法

169.多数元素

python代码：

class Solution:
    def majorityElement(self, nums: List[int]) -> 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:
            return right
        elif nums.count(right) > nums.count(left):
            return right
        else:
            return left

53. 最大子序和

python代码

class Solution:
    def maxSubArray(self, nums: List[int]) -> int:
        if len(nums) == 1:
            return nums[0]
        left = self.maxSubArray(nums[:len(nums)//2])
        right = self.maxSubArray(nums[len(nums)//2:])
        
        max_l = nums[len(nums)//2]
        tmp = 0
        for i in range(len(nums)//2,len(nums)):
            tmp += nums[i]
            max_l = max(tmp,max_l)
        max_r = nums[len(nums)//2-1]
        tmp_1 = 0
        for i in range(len(nums)//2-1,-1,-1):
            tmp_1 += nums[i]
            max_r = max(tmp_1,max_r)
        return max(left,right,max_l+max_r)

50. Pow(x, n)

python代码

class Solution:
    def myPow(self, x: float, n: int) -> float:
        if n < 0 :
            x = 1/x
            n = -n
        if n == 0:
            return 1
        if n%2 == 1:
            p = x*self.myPow(x, n-1)
            return p
        return self.myPow(x*x,n/2)

参考资料

五大常用算法之一：分治算法

你不知道的 Python 分治算法