分治法简介

1 简介

分治算法思想：是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，将子问题逐个解决(一般是同种方法)，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。

1.1 分支算法步骤

• 分：递归地将问题分解为各个的子问题(性质相同的，相互独立的子问题)
• 治：将这些规模更小的子问题逐个击破
• 合：将已解决的问题逐层合并，最终得出原问题的解

1.2 分治算法适用场景

• 原问题的计算复杂度随着问题的规模的增加而增加
• 原问题能够被分解成更小的问题
• 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问题。
• 原问题分解出的子问题的解可以合并为该问题的解。

1.3 伪代码解释

def divide_conquer(problem,param1,param2,...):
	# 不断切分的终止条件
	if problem is None:
		print_result
		return
	# 准备数据
	data = prepare_data(problem)
	# 将大问题拆分为小问题
	subproblems = split_problem(problem, data)
	# 处理小问题，得到子结果
	subresult1 = self.divide_conquer(subproblems[0],p1,...)
	subresult2 = self.divide_conquer(subproblems[1],p2,...)
	subresult3 = self.divide_conquer(subproblems[2],p3,...)
	# 对子结果进行合并，得到最终结果
	result = process_reslut(subresult1,subresult2,subresult3,...)

1.4 分治算法实例

还是那句真理，抽象化具象。

1.4.1 分治算法应用在排序

相关概念：1. 有序度：表示一组数据的有序程度 2. 逆序度：表示一组数据的无序程度
一般通过计算有序对或者逆序对的个数，来表示数据的有序度或逆序度。【示例】：假设有n个数据，期望数据从小到大排列，那完全有序的数据的有序度就是n(n-1)/2，逆序度等于0；
Q: 如何编程求出一组数据的有序对个数或者逆序对个数呢？—两者求解方式类似，只用思考逆序对（常接触的）个数的求解方法。
【法一】：
拿数组里的每个数字跟它后面的数字作比较，看有几个比它小的。
把比它小的数字个数记作K，通过这样的方式，把每个数字都考察一遍之后，然后对每个数字对应的k值求和。
最后得到的总和就是逆序对个数。
这样操作的时间复杂度是O(N^2)(两层嵌套for循环)。
有没有更加高效的处理方法？尝试使用分治的思想来求数组A的逆序对个数。
【法二】：
首先将数组分成前后两半A1和A2，分别计算A1和A2的逆序对个数K1和K2
然后再计算A1和A2之间逆序对个数K3。那原来数组的逆序对个数为：K1+K2+K3
如何快速计算出两个子问题A1和A2之间的逆序对个数呢？在这里借助归并排序算法。归并排序中一个关键的操作：就是将两个有序的小数组，合并成一个有序的数组。只要我们在这合并的过程中，就可以计算出两个小数组的逆序对个数。每次合并操作，就都直接计算逆序队个数，把这些计算出来的逆序对个数求和，就是这个数组的逆序对个数。

1.4.2 LeetCode真题

1. 50-Pow(x,n)
   应该想到的解法：

class Solution:
    def myPow(self, x: float, n: int) -> float:
        if n == 0:
            return 1
        if n < 0:
            return 1 / self.myPow(1/x, -n)
        res = 1
        for _ in range(n):
            res *= x
        return res

使用分治：想到二分

class Solution(object):
    def myPow(self, x, n): # 类中的函数参数列表较普通函数多一个self参数
        """
        :type x: float
        :type n: int
        :rtype: float
        """
        # 确定终止条件
        if(x==0):
            return 0
        if(n==0): 
            return 1
        if(n<0):
            x = 1/x
            n = -n
        # 就是一直进行二分，想x^2的平方
        if(n%2==1):
            reslut = x*self.myPow(x*x,(n-1)/2)
        else:
            reslut = self.myPow(x*x,n/2)
        
        return reslut

2. 53-最大子序和
   法一：遍历法

class Solution(object):
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # 不是有序数组，只是要求是连续的
        # 时间复杂度：O(n^2)
        max1 = nums[0]
        for i in range(len(nums)):
            # 一次次求和比较
            sum1 =0;
            for j in range(i,len(nums)):
                sum1 = sum1 + nums[j]
                if (sum1>max1):
                    max1 = sum1 
        
        return max1

法二：分治法
【解题思路】

1. 确定切分终止条件：直到所有的子问题都是长度为1 的数组，停止切分。
2. 准备数据，将大问题切分小问题：递归地将原数组二分为左区间与右区间，直到最终的数组只剩下一个元素，将其返回。
3. 处理子问题并得到子结果，并合并：
   • 将数组切分为左右区间：对左区间：从右到左计算左边的最大子序和；对右区间：从左到右计算右边的最大子序和。
   • 由于左右区间计算累加和的方向不一致，因此，左右区间直接合并相加之后就是整个区间的和。
   • 最终返回左区间的元素、右区间的元素、以及整个区间(相对子问题)和的最大值。

class Solution(object):
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # 【确定不断切分的终止条件】
        n = len(nums)
        if n == 1:
            return nums[0]

        # 【准备数据，并将大问题拆分为小的问题】
        left = self.maxSubArray(nums[:len(nums)//2])
        right = self.maxSubArray(nums[len(nums)//2:])

        # 【处理小问题，得到子结果】
        #　从右到左计算左边的最大子序和
        max_l = nums[len(nums)//2 -1] # max_l为该数组的最右边的元素
        tmp = 0 # tmp用来记录连续子数组的和
        
        for i in range( len(nums)//2-1 , -1 , -1 ):# 从右到左遍历数组的元素
            tmp += nums[i]
            max_l = max(tmp ,max_l)
            
        # 从左到右计算右边的最大子序和
        max_r = nums[len(nums)//2]
        tmp = 0
        for i in range(len(nums)//2,len(nums)):
            tmp += nums[i]
            max_r = max(tmp,max_r)
            
        # 【对子结果进行合并 得到最终结果】
        # 返回三个中的最大值
        return max(left,right,max_l+ max_r)

【注意】：我没有理解递归那部分，是怎么工作的呢？left的值到底是什么呢？

3. 169-多数元素
   法一：嵌套循环法，超出时间限制

法二：分治法
【解题思路】：

1. 确定切分的终止条件： 指导所有的子问题都是长度为1的数组，停止切分
2. 准备数据，将大问题且分为小问题：递归地将原数组二分为左区间与右区间，直到最终的数组只剩下一个元素，将其返回
3. 处理子问题得到子结果并合并
   长度为 1 的子数组中唯一的数显然是众数，直接返回即可。
   如果它们的众数相同，那么显然这一段区间的众数是它们相同的值。
   如果他们的众数不同，比较两个众数在整个区间内出现的次数来决定该区间的众数

class Solution(object):
    def majorityElement2(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # 【不断切分的终止条件】
        if not nums:
            return None
        if len(nums) == 1:
            return nums[0]
        # 【准备数据，并将大问题拆分为小问题】
        left = self.majorityElement(nums[:len(nums)//2])
        right = self.majorityElement(nums[len(nums)//2:])
        # 【处理子问题，得到子结果】
        # 【对子结果进行合并 得到最终结果】
        if left == right:
            return left
        if nums.count(left) > nums.count(right):
            return left
        else:
            return right   

怎么感觉分治法就像是黑盒子，什么都能套用，但是我却不了解里面内部发生了什么 对于碰到递归的时候，是一直递归下去还是直接可以继续执行下一条指令。

Q：分治对于将数组一直分为只有一个长度的数组式，发生了什么？**