分治法所能解决的问题一般具有以下几个特征:
1) 该问题的规模缩小到一定的程度就可以容易地解决
2) 该问题可以分解为若干个规模较小的相同问题,即该问题具有最优子结构性质。
3) 利用该问题分解出的子问题的解可以合并为该问题的解;
4) 该问题所分解出的各个子问题是相互独立的,即子问题之间不包含公共的子子问题。
第一条特征是绝大多数问题都可以满足的,因为问题的计算复杂性一般是随着问题规模的增加而增加;
第二条特征是应用分治法的前提它也是大多数问题可以满足的,此特征反映了递归思想的应用;、
第三条特征是关键,能否利用分治法完全取决于问题是否具有第三条特征,如果具备了第一条和第二条特征,而不具备第三条特征,则可以考虑用贪心法或动态规划法。
第四条特征涉及到分治法的效率,如果各子问题是不独立的则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然可用分治法,但一般用动态规划法较好。
题目1. 给定一个顺序表,编写一个求出其最大值的分治算法。
# 基本子算法(子问题规模小于等于 2 时)
def get_max(max_list):
return max(max_list) # 这里偷个懒!
# 分治法 版本一
def solve(init_list):
n = len(init_list)
if n <= 2: # 若问题规模小于等于 2,最终解决
return get_max(init_list)
# 分解(子问题规模为 2,最后一个可能为 1)
temp_list=(init_list[i:i+2] for i in range(0, n, 2))
# 分治,合并
max_list = list(map(get_max, temp_list))
# 递归(树)
solve(max_list)
# 分治法 版本二
def solve2(init_list):
n = len(init_list)
if n <= 2: # 若问题规模小于等于 2,解决
return get_max(init_list)
# 分解(子问题规模为 n/2)
left_list, right_list = init_list[:n//2], init_list[n//2:]
# 递归(树),分治
left_max, right_max = solve2(left_list), solve2(right_list)
# 合并
return get_max([left_max, right_max])
if __name__ == "__main__":
# 测试数据
test_list = [12,2,23,45,67,3,2,4,45,63,24,23]
# 求最大值
print(solve(test_list)) # 67
print(solve2(test_list)) # 67
题目2. 给定一个顺序表,判断某个元素是否在其中。
# 子问题算法(子问题规模为 1)
def is_i