活动地址:CSDN21天学习挑战赛
学习的最大理由是想摆脱平庸,早一天就多一份人生的精彩;迟一天就多一天平庸的困扰。各位小伙伴,如果您:
想系统/深入学习某技术知识点…
一个人摸索学习很难坚持,想组团高效学习…
想写博客但无从下手,急需写作干货注入能量…
热爱写作,愿意让自己成为更好的人…
…
1.概述
在计算机科学中,分治法是一种很重要的算法。字面上的解释是“分而治之”,就是把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并。
任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。问题的规模越小,越容易直接求解,解题所需的计算时间也越少。例如,对于n个元素的排序问题,当n=1时,不需任何计算。n=2时,只要作一次比较即可排好序。n=3时只要作3次比较即可,…。而当n较大时,问题就不那么容易处理了。要想直接解决一个规模较大的问题,有时是相当困难的。
2. 步骤
它的一般步骤是
① 将原问题分解成若干个规模较小的子问题(子问题和原问题的结构一样,只是规模不一样)
② 子问题又不断分解成规模更小的子问题,直到不能再分解(直到可以轻易计算出子问题的解)
③ 利用子问题的解推导出原问题的解
◼ 因此,分治策略非常适合用递归
◼ 需要注意的是:子问题之间是相互独立的
3. 应用
快速排序
归并排序
Karatsuba算法(大数乘法)
4.练习
最大连续子序列和
问题如下:
◼ 给定一个长度为 n 的整数序列,求它的最大连续子序列和
比如 –2、1、–3、4、–1、2、1、–5、4 的最大连续子序列和是 4 + (–1) + 2 + 1 = 6
思路如下:
◼ 将序列均匀地分割成 2 个子序列
[begin , end) = [begin , mid) + [mid , end),mid = (begin + end) >> 1
◼ 假设 [begin , end) 的最大连续子序列和是 S[i , j) ,那么它有 3 种可能
[i , j) 存在于 [begin , mid) 中,同时 S[i , j) 也是 [begin , mid) 的最大连续子序列和
[i , j) 存在于 [mid , end) 中,同时 S[i , j) 也是 [mid , end) 的最大连续子序列和
[i , j) 一部分存在于 [begin , mid) 中,另一部分存在于 [mid , end) 中
✓ [i , j) = [i , mid) + [mid , j)
✓ S[i , mid) = max { S[k , mid) },begin ≤ k < mid
✓ S[mid , j) = max { S[mid , k) },mid < k ≤ end
实现如下:
/**
* 最大子数组和
* 给你一个整数数组 nums ,请你找出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。
*/
public class MaximumSubarray {
public static void main(String[] args) {
int[] nums = {-2,1,-3,4,-1,2,1,-5,4};
int i = maxSubArray1(nums);
System.out.println(i);
}
/**
* 方法1:暴力求解,
*/
public static int maxSubArray1(int[] nums) {
int max = Integer.MIN_VALUE;
for (int i = 0; i <nums.length; i++) {
int cur = 0;
for (int j = i; j < nums.length; j++) {
if ((cur += nums[j]) > max) max = cur;
}
}
return max;
}
/**
* 方法二:分治求解
*/
public static int maxSubArray2(int[] nums) {
return maxSub(0, nums.length, nums);
}
public static int maxSub(int left, int right, int[] nums) {
// 只有一个元素时结束递归
if (right - left < 2) return nums[left];
// 分
int mid = (left + right) >> 1;
int leftMax = maxSub(left, mid, nums);
int rightMax = maxSub(mid, right, nums);
int leftMidMax = Integer.MIN_VALUE;
int rightMidMax = Integer.MIN_VALUE;
int tmp = 0;
for (int i = mid - 1; i >= left; i--) {
if ((tmp += nums[i]) > leftMidMax) leftMidMax = tmp;
}
tmp = 0;
for (int i = mid; i < right; i++) {
if ((tmp += nums[i]) > rightMidMax) rightMidMax = tmp;
}
int midMax = leftMidMax + rightMidMax;
return Math.max(midMax, Math.max(leftMax, rightMax));
}
}