10分治算法

'''
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))
'''