分治法

许多有用的算法在结构上是递归的：为了解决一个给定的问题，算法一次或多次的调用自身以解决紧密相关的若干子问题。
这些递归算法遵循分治法的思想：将原问题分解成若干个和原问题相似的子问题，然后递归的求解子问题，最后把子问题的解合并，就为最终原问题的解。

---

分治模式在每层递归时都有3个步骤：

1. 分解成子问题
2. 解决子问题
3. 合并子问题的解
   

   ---

接下来看一下归并排序：归并排序严格遵守分治思想
1. 把长度为n的数组分解成n/2的子数组
2. 使用归并排序递归求解出两个子序列
3. 合并两个已经排好序的子序列

假设我们已经有一个算法MERGE（A,p,q,r)来完成合并，A表示一个数组，P，q,r表示数的下标，MERGE（A,p,q,r)是用来合并两个已经排好序的数组A[p,q]和A[q+1,r]，具体实现现在先不管

---

那么归并排序算法：

MERGESORT(A,p,r)
    q=(p+r)/2
    MERGESORT(A,p,q)
    MERGESORT(A,q+1,r)
    MERGE(A,p,q,r)

分治法时间复杂度分析：
1. 当规模很小时，$T(n)=\theta(1)$
2. 假设规模为n 时，时间复杂度为$T(n)$
3. 分解成a个子问题,每个子问题为n/b,花费时间为：$D(n)$
4. 解决每个子问题花费时间为：$T(n/b)$
5. 合并子问题的解花费时间为：$C(n)$
6. 综上，$T(n)=T(n/b)+C(n)+D(n)$

分析归并排序的时间复杂度：
1. 当排序一个元素时需要$\theta(1)$的时间
2. 分解需要$\theta(1)$的时间
3. 解决n/2的子问题需要T（n/2)的时间
4. 合并需要$\theta(n)$的时间
5. 综上：$T(n)=T(n/2)+\theta(n)$

$T(n)=\theta(nlg n)$