分治法自我总结

分治法的主要思想：

将一个大问题不停分割为k个子问题，如果子问题的规模仍然很大，就继续分割，直到子问题的规模易于求解为止；完成子问题的求解后，自底向上，将子问题合并为原问题。（有动态规划的味道，但是很明显的区别就在于，分治法无法避免大量冗余的重复计算

分治法的应用场景，特征：

分治法的特征：

1. 该问题可以被分割为一定规模后易于求解，并且可以分割为若干子问题；（分治法的基础）
2. 子问题之间相互独立；
3. 子问题解决后，合并起来可以得到原问题的解；
   （对比动态规划，可以发现，二者十分相似，但是关键点又有不同）

分治法的解题步骤：

1、分解：原问题分解为若干易于解决的子问题，注意：子问题应该与原问题属于同一类问题；
2、解决：利用递归，解决子问题，当子问题规模足够小，直接一步得到答案；
3、合并：子问题合并为原问题；

分治法的主要例题：

不得不提的快速排序：

主要思想：

快速排序是分治思想贯彻最彻底的排序方法，每次选择一个支点，一轮排序后，该支点在整体数据的第几位就确定下来，十分有效的排序方法。

伪代码如下：

quick_sort( int * A , int p , int r )
{
	if ( p == r ) 
		return;
	//起始位置与终止位置相等，则返回；
	else
		int mid = partition ( A , p , r );
	//取得支点所在位置；
	quick_sort ( A , p , mid );
	quick_sort ( A , mid + 1 , r );
	//分治求解左右部分
}

int partition ( int *A , int p , int r ) {
	int x = A[p];//支点
	int i = p;//i记录下标
	for ( int j = p+1 ; j < r ; j++ ){
		if ( A[j] < x ) {
			i++ ;
			int temp = A[j];
			A[j] = A[i];
			A[i] = temp;
		}
	}
	int temp1 = A[i];
	A[i] = A[p];
	A[p] = temp;

	return i;
}

时间复杂度分析：

每次找到的支点，都是这一列数字中的中间元素，则
最优情况为O （ nlogn）
每次找到的支点，要么时最大值，要么是最小值，则
最坏情况：O（n^2)
经过一系列证明，平均复杂度还是O （nlogn）；

过程演示：

一个partition的演示图

找到第K小元素：

主要思想：

基于快速排序的partition，可以轻松得到当前支点是数列中的第几个元素，用k与其进行比较，可以得到第k小元素。

伪代码：

kth_sort( int *A , int p , int r , int k ) {
	if ( p == r )
		return -1;//未找到
	else{
		int mid = partition ( A , p , r );
		//partition在快排中
		int i = mid - p + 1;// i 是A[i]的排名；
		if ( k == i )
			return A[i];
		else if ( k < i ) {
			return kth_sort ( A , p , mid-1 , k );
		}
		else if ( k > i ) {
			return kth_sort ( A , mid+1 , r , k-i );
		}
	}
}

时间复杂度

与快速排序保持一致；

中间的中间取得所有元素的中间大小元素：

详细的我也没有过深研究，大致的意思就是，将元素分割为5组，（可能有剩余成员，但是无伤大雅），每一组取其中间值，如下图；

然后在取出的5个中间元素中，再取出其中间值，这样就得到了整个数据的中间值：

很巧妙的一个方法，具体的代码我也没实现过，CSDN上有相应的代码，此处就不附上链接了。

总结：

分治算法是基础算法，其主要思想在后面的学习中会经常用到，需要我们重点掌握。还有很多例子还没列举出来，但是都可以理解为换汤不换药，都是分治思想的应用，熟悉掌握快速排序的思想，分治算法就解决了很大一部分了。