算法导论--分治法--P17

150 篇文章 0 订阅
2 篇文章 0 订阅

《算法导论》第2版 P9页有这样一句话:“在本书中,主要用伪代码书写的程序形式来表达算法,这种伪代码在很多方面都与C、Pascal或Java等语言比较类似”。

我在此用C/C++来实现部分功能,仅代表我个人理解,如有错误还请帮忙改正,如有问题可以联系 QQ:643166601 或发送邮件到  643166601@qq.com

 

第2章 算法入门

P17

void KXL_Merge(int *pnArray, int p, int q, int r)
{
	int n1 = q - p + 1;
	int n2 = r - q;
	int *pLArray = new int[n1 + 1];
	int *pRArray = new int[n2 + 1];

	int i;
	int j;

	for(i = 0; i < n1; i ++)
	{
		pLArray[i] = pnArray[p + i];
	}
	pLArray[n1] = -1;

	for(j = 0; j < n2; j ++)
	{
		pRArray[j] = pnArray[q + 1 + j];
	}
	pRArray[n2] = -1;

	i = 0;
	j = 0;
	for(int k = p; k < r + 1; k ++)
	{
		if((pLArray[i] > 0) && (pRArray[j] > 0))
		{
			if(pLArray[i] <= pRArray[j])
			{
				pnArray[k] = pLArray[i];
				i ++;
			}
			else
			{
				pnArray[k] = pRArray[j];
				j ++;
			}
		}
		else if((-1 != pLArray[i]) && (-1 == pRArray[j]))
		{
			int ii = i;
			while(-1 != pLArray[ii])
			{
				pnArray[k] = pLArray[ii];
				k ++;
				ii ++;
			}
			i = ii;
			break;
		}
		else if((-1 == pLArray[i]) && (-1 != pRArray[j]))
		{
			int jj = j;
			while(-1 != pRArray[jj])
			{
				pnArray[k] = pRArray[jj];
				k ++;
				jj ++;
			}
			j = jj;
			break;
		}
		else if((-1 == pLArray[i]) && (-1 == pRArray[j]))
		{
			cout << pLArray[n1 -1] << " " << pRArray[n2 -1] << endl;

		}
	}

	if(NULL != pLArray)
	{
		delete[] pLArray;
		pLArray = NULL;
	}
	if(NULL != pRArray)
	{
		delete[] pRArray;
		pRArray = NULL;
	}
}

void KXL_MergeSort(int *pnArray, int p, int r)
{
	int q;
	if(p < r)
	{
		q = (p + r) / 2;
		KXL_MergeSort(pnArray, p, q);
		KXL_MergeSort(pnArray, q+1, r);
		KXL_Merge(pnArray, p, q, r);
	}
}


 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
K-D Tree(K-Dimensional Tree)算法是一种基于分治的数据结构,用于高维空间的搜索和排序。它的基本思想是将多维空间中的点以某种方式分割成更小的子空间,然后在每个子空间中递归地进行搜索。这样可以大大降低搜索的复杂度。 具体来说,K-D Tree算法可以分为以下几步: 1. 选择一个维度,将数据点按照该维度的值进行排序。 2. 找到该维度的中位数,将其作为当前节点,并将数据点分为左右两个子集。 3. 递归地构建左子树和右子树,每次选择一个新的维度进行划分。 4. 最终得到一个K-D Tree。 在搜索时,我们可以从根节点开始,按照一定的规则向下遍历,直到找到目标点或者无继续向下搜索。具体的规则是: 1. 如果目标点在当前节点的左子树中,则继续向左子树搜索。 2. 如果目标点在当前节点的右子树中,则继续向右子树搜索。 3. 如果目标点和当前节点在选定的维度上的值相等,则说明已经找到目标点。 分治是一种常见的算法思想,它将一个大规模的问题分解成若干个小规模的子问题,每个子问题独立地求解,然后将这些子问题的解合并起来得到原问题的解。分治通常包含三个步骤:分解、求解、合并。 具体来说,分治可以分为以下几步: 1. 分解:将原问题分成若干个子问题,每个子问题规模较小且结构与原问题相同。 2. 求解:递归地求解每个子问题,直到问题规模足够小可以直接求解。 3. 合并:将所有子问题的解合并成原问题的解。 分治的优点是可以有效地降低算法的时间复杂度。但是它的缺点是需要额外的空间来存储子问题的解,而且分解和合并的过程也需要耗费一定的时间。因此,需要根据实际情况选择合适的算法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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