''' 分治算法概念 1将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----‘分’ 2最后子问题可以简单地直接求解----‘治’ 3将所有子问题的解合并起来就是原问题的解----‘合’ 分治算法特征 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。 1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。 2第二条特征是应用分治法的前提,大多数问题也可以满足,此特征反映了递归思想的应用; 3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。 4第四条特征涉及到分治法效率,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,此时虽然可以用分治法,但一般用动态规划法较好。 分治算法例子:例1 对数组进行快速排序。 #划分分区 def part(l): key = l[0] lo = [x for x in l[1:] if x < key] hi = [x for x in l[1:] if x >= key] return lo,key,hi #快速排序 def quicksort(l): if len(l) <= 1: return l #分解 lo,key,hi = part(l) return quicksort(lo)+[key]+quicksort(hi) 递归,合并 l = [7,5,0,6,3,4,1,9,8,2] print(quicksort(l)) 例2: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(内置算法) #虽然也可以处理大数组,这里用于解决分治问题规模小于或等于2的时候 def get_max(nums=list): return max(nums) #分治法 def solve(numes): n = len(numes) if n <= 2: #分治问题规模小于或等于2时解决 #结束条件。 return get_max(numes) #1分解(子问题规模为n/2) left_list,right_list = numes[:n//2],numes[n//2:] #2递归,分治 left_max,right_max = solve(left_list),solve(right_list) #3合并 return get_max([left_max,right_max]) l = [12,2,23,45,67,3,2,4,45,63,24,23] #求最大值 print(solve(l)) '''
10分治算法
于 2022-10-07 12:12:28 首次发布