【算法S4-分治】

最新推荐文章于 2024-09-10 23:06:02 发布
最新推荐文章于 2024-09-10 23:06:02 发布
阅读量310 收藏 1
点赞数
分类专栏： 算法分析 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/charileputh/article/details/125398152
版权
本文深入探讨了分治法，包括其一般方法、二分检索算法及其复杂度分析，以及归并排序的原理和复杂度。通过定理和实例解释了二分检索的成功和不成功检索的比较次数，并证明了归并排序在最坏情况下的时间复杂度为O(nlogn)，是基于比较的分类问题的最优算法。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

S4-分治法

分治法

4.1一般方法

分治法通常用于求解一个输入规模n且取值又相当大的问题，且子问题与原问题为相同类型。
步骤通常如下：

  • 分：将n个输入分成k个不同输入子集合（k常为2）.
  • 治：对这k个不同的可独立求解的子问题进行求解，并获得解。
  • 合：将k个独立子问题的解合并成整个问题的解。
    分治法常用递归解决。

算法4.1-分治策略的抽象化控制

DANDC(p,q):
在这里插入图片描述

SMALL(p,q)是一个布尔值函数，可判断输入规模为p-q+1的问题。
若此规模下的子问题足够小，调用G(p,q)求解此子问题。反之，调用分割函数DIVIDE(p,q),返回分割位置，将原问题划分为A(p:m)和A（m+1,q）的两个子问题，分别求解并利用COMBINE()函数合并两个子问题的解即可。

算法4.1复杂度分析

在这里插入图片描述

4.2 二分检索

4.2.1二分检索算法

注：待检索的数组元素已经按照非降次序排列。
BINSRCH(A,n,x,j)
在这里插入图片描述

分析以比较为基础的检索算法的复杂度常借助二元比较树。
内结点：用圆形结点表示ÿ

最低0.47元/天 解锁文章
算法：二元选择排序
苏美尔人的天空
10-13 789
选择排序算法也是可以优化的，既然每轮遍历时找出了最小值，何不把最大值也顺便找出来呢？这就是二元选择排序的思想。使用二元选择排序，每轮选择时记录最小值和最大值，可以把数组需要遍历的范围缩小一倍。我们使用 minIndex 记录最小值的下标，maxIndex 记录最大值的下标。每次遍历后，将最小值交换到首位，最大值交换到末尾，就完成了排序。由于每一轮遍历可以排好两个数字，所以最外层的遍历只需遍历一半即可。
算法基础知识——分治策略
Remoa的休闲茶馆
02-17 917
1、算法依赖因素； 2、输入规模、运行时间； 3、渐近记号（O、θ、Ω）； 4、分治策略； 5、分解、解决、合并； 6、代入法、递归树法、主方法； 7、最大子数组问题、Strassen矩阵乘法问题； 8、n的阶乘【清华大学】；递归和动态规划-汉诺塔II【2016校招真题在线编程】；全排列【北京大学】；杨辉三角【西北工业大学】；Fibonacci【上海交通大学】；二叉树【北京大学】；2的幂次方【上海交通大学】；
关于基于比较的排序算法，时间复杂度“最坏”下界o(nlogn)与“最优”下界o(n)说明
WFL_Tesla的博客
08-08 9979
前言            之前在查找基于比较排序算法的时间复杂度时发现，好多博主对“最坏”下界与“最优”下界没有分清，而是默认的把时间复杂度o(nlogn)当成了“最优”下界。这样很是误导大家，影响很不好。所以特此写一篇说明文章，能让大家理解得更透彻。 下界                       所谓“下界”， 顾名思义就是对于一个长度为n的序列所需要的最少比较次数。 最优下界 ...
算法（四）分治法
m0_47704575的博客
06-09 969
1 一般方法 1.1 基本的二分思想 没啥可说的，贴图了。 1.2 二分策略的计算时间 g(n)就是个O(1)，放这里就是让式子看起来更恶心一点。 每一层要把这部分分成的两小部分计算完之后再合并，T(n/2)就是每一个小部分计算需要的时间，f(n)就是合并过程需要的时间，因为合并需要的时间是和n有关系的，所以f(n)不能忽略。 1.3 更一般的情况 我觉得这就是考试考点了吧，把这章所有东西改成三分出题，二分考的应该有限，重点是弄清思想。 2 二分检索 2.1 二分检索算法（BINSRCH） 2.1.1
分治法（一）
很注重数学和408
06-12 611
一般方法 二分检索 找最大和最小元素 归并分类 快速分类 选择问题 斯特拉森矩阵乘法
吉林大学算法设计与分析考前突击
weixin_51796629的博客
08-18 7840
吉林大学 算法设计与分析 速成
算法导论ch4分治策略笔记（上）与Strassen算法c++实现
Yunhandu的博客
09-10 889
1969年的Strassen熟成算法味道够不够香醇？今日评测一下
直击高频编程考点：数学思维知识及经典算法题总结：
热门推荐
张彦峰的博客
05-12 168万+
数学思维考察练习（众数+快乐数+丑数+回文数+计数质数+有效数字+整数反转+罗马数字+平方根+超级次方+整数拆分+阶乘后的零+复数乘法+两数加法除法+最大公约数和最小公倍数+二进制中1的个数+从1到n整数中1出现的次数+求1+2+3+···+n数字之和等）
算法导论C语言实现: 分治策略 -- 矩阵乘法的Strassen算法
v2nero的专栏
11-15 4897
先直接粘Code 4_2.c #include #include #include "strassen.h" void print_mutrix(const int *A, int r, int c) { int i, j; printf("-----------------------------------\n"); for (i=0; i < r; ++i) { for
算法分析历年题整合——简答
qq_38336763的博客
08-19 9372
简答 1.LC检索是否每次都能选出具有最小结点成本函数得结点作为下一个E结点？简述理由。 答：不能，要满足以下两点，LC检索才可以保证找到最小成本得答案结点（如果存在） 1.对于每一个结点X都有C(X)$\leq$C(X)且对于答案结点有，C(X)=C(X) 2.采用改进后的算法LC1,从活结点表中删除元素时判断是否为答案结点。 2.回溯法和分支-限界法的状态空间生成方式有何不同？简述两种方法的基本思想。 答：（1）回溯法的状态生成方法: 当前的E-结点R 一旦生成一个新的儿子结点C, 这个C结点就变成一
算法设计与分析选择题、简答题、证明题整理
很注重数学和408
08-20 9454
一、选择题 排序问题不适合用动态规划的方法解决 计算过程与算法相比，缺少有穷性 对回溯法描述正确的是 A 解必须表示成2n-元组的形式（x1，x1，…,xn,xn) B 回溯法的解必须满足一组综合的约束条件，称为解函数 C 满足显式约束条件的所有元组不能确定一个可能的解空间 D 隐式约束描述于元组中元素xi必须被此相关的情况 D A n-元组 B 解空间 C 能 以比较为基础的分类算法在最坏情况下的时间下届是oumiga(nlogn) 二、简答题 以比较为基础的检索算法的时间下界 O(logn
算法之分治——最坏情况线性时间的选择
theoriginaldream的专栏
02-10 564
思路：在基础版本的选择算法上，保证每一次都是平衡的划分 #include using namespace std; int a[1000]; int part(int b,int r,int x)//划分 { swap(a[x],a[r]); int i=b-1; int j=b; while(j<=r) { if(a[j]<a[r]) { swap(a[j],a[i+
分治法的一些理解
perfectiy的博客
05-08 1128
1.证明 任何以关键字比较为基础的分类算法，其最坏情况下的时间下界都为Ω(nlogn)。 用二元比较树来证明。 首先假设参加分类的n个关键字A(1),A(2),A(3),......A(n)互不相同。这样的话，任意两个关键字的比较会导致A（i）<A(j)或者A（i）大于A(j)的结果。 让我们以二元比较树来描述元素间的比较过程。 若A（i）<A(j)，进入下一级的左分支。若A(i）>A(j)进入下一级的右分支。 此处上个图 ...
计算机算法基础：分治法
weixin_44225940的博客
02-02 933
基本思想： 为解决一个大问题： 分解成两个或多个更小的问题 分别解决每个小问题 把各小问题的解答组合起来，即可得到原问题的解 小问题通常与原问题相似或同质，因而可以递归地分治。 分治策略的抽象化控制 procedure DANDC(p,q) global n,A(1:n); integer m,p,q;//1<=p<=q<=n if SMALL(p,q) then...
概念：二元查找树
modiziri的专栏
08-08 4644
树如其名，就是为了查找而诞生的。 这是一棵二元树，也就说一个根节点只有两个子树。左子树 然后递归下去，左子树作为根节点也符合这个要求，然后本身也是一棵二元查找树，如此下去。 作用：用于快速查找。 大于根，走右边，小于根，走左边，直到找到目标为止，而且如果目标存在，绝对不可能错过目标。
二元查找树
ShyTan的博客
07-10 1478
二元查找树： 它首先要是一棵二元树，在这基础上它或者是一棵空树；或者是具有下列性质的二元树： （1）若左子树不空，则左子树上所有结点的值均小于它的根结点的值； （2）若右子树不空，则右子树上所有结点的值均大于它的根结点的值； （3）左、右子树也分别为二元查找树...
数据结构 - 二元查找树
yffhhffv的博客
11-02 272
分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.csdn.net/jiangjunshow也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp; 二元查找树： 它首先要
基于比较的排序时间下界
Sonic_sTorm的博客
04-08 1116
一个长度为n的集合排序的结果有n!个结果。以比较为基础的排序方式可以看做二叉树，每个非叶节点左右决定每次比较大小的走向，那么显然所有的排序结果都是在这个二叉树上的叶子（存在可能一结果多个叶子）。已知叶子节点数为不少于n!个，那么时间复杂度下界的求解就转化为，求解：一个已知叶子节点数不小于n!的二叉树的深度——即log(n!)当n&gt;1时 有n!&gt;= n(n-1)(n-2)...(n/2)...
写出并测试两个矩阵相乘的分治算法程序
最新发布
10-21
矩阵乘法的分治算法通常是利用递归思想，例如Strassen's Algorithm（斯特拉斯曼算法），它不是经典的分而治之，而是通过将大矩阵划分为四个部分，然后应用七次较小的矩阵运算。这里提供一个简单的Python版本的Strassen's Algorithm实现，注意这只是一个简化版的示例，实际实现可能会更复杂，并需要处理边界条件和其他细节： ```python def strassen(a, b): if len(a) <= 1: return a * b # base case m, n = len(a), len(b) s1 = strassen(matrix_split(a, n, 0), matrix_split(b, n, 0)) # P1 s2 = strassen(matrix_split(a, n, n//2), matrix_split(b, m//2, 0)) # P2 s3 = strassen(matrix_split(a, n, n//2), matrix_split(b, m//2, m//2)) # P3 s4 = strassen(matrix_split(a, n//2, 0), matrix_split(b, m, m//2)) # P4 s5 = strassen(add_subtract_multiply(a, b, 0, n//2, m//2), b, m//2) # S1 s6 = strassen(add_subtract_multiply(a, b, n//2, n, m//2), add_subtract_multiply(a, b, 0, n, m//2), n//2, n//2, 0) # S2 s7 = strassen(add_subtract_multiply(a, b, 0, n//2, 0), add_subtract_multiply(a, b, n//2, n, 0), n//2, n//2, m//2) # S3 c = [[0] * m for _ in range(n)] c[0: n//2, 0: n//2] = s1 + s4 c[0: n//2, n//2: n] = s3 c[n//2: n, 0: n//2] = s2 c[n//2: n, n//2: n] = s1 + s5 - s2 - s4 return c # 辅助函数：分割矩阵和加减乘操作 def matrix_split(matrix, n, split): return [matrix[i:i+n, split:split+n] for i in range(0, n)] def add_subtract_multiply(a, b, start_a, end_a, start_b): # 这里只是一个简单的示例，实际操作中会涉及到四个较小的矩阵相加、相减和相乘 # 根据实际需求编写完整版本 return ... # 测试 a = [[1, 2], [3, 4]] b = [[5, 6], [7, 8]] result = strassen(a, b) print(result) ``` 请注意，上述代码并没有完全实现所有Strassen算法细节，特别是`add_subtract_multiply`函数中的加减乘部分需要根据Strassen算法的具体规则编写。此外，这个版本也不适用于大规模矩阵，因为它并不是一个高效的实现，实际应用会考虑其他算法如BLAS库提供的矩阵乘法功能。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

ImSev7en_1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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