分治算法实践

一、实验目的

1. 了解分治策略算法思想及基本原理；

2. 掌握使用分治算法求解问题的一般特征；

3. 掌握分解、治理的方法；

4. 能够针对实际问题，能够正确的分解、治理，设计分治算法；

5. 能够正确分析算法的时间复杂度和空间复杂度。

二、实验平台

1. Windows操作系统或Linux操作系统；

2. Python3.x；

3. PyCharm或Sublime或Jupyter Notebook。

三、实验内容

最小值问题： 求n个元素的最小值。

四、算法设计

1.问题分析

（1）所选实验项目给定的已知

给定n个元素的集合。

（2）求解目标

求出这n个元素中的最小值。

（3）条件

n个元素的集合已知。

2.问题建模

已知：一个包含n个元素的数组a=(a1​,a2​,...,an​)

求解目标：数组a中的最小值 min{ai},i∈[1,n]

其中,ai表示数组a中的第i个元素，nai表示数组中的最小值，min{}表示求解内部元素的最小值，i∈[1,n]表示i的取值范围为[1,n]，即i从1到n遍历。

3.算法描述

初始化一个变量min_value为正无穷大或者将min_value设置为集合中的第一个元素。

遍历集合中的每个元素：

如果当前元素小于min_value，则将min_value更新为当前元素。

返回min_value作为集合中的最小值。

四、算法源码

Min = 99999
def getMin(arr, left, right):
    global Min
    left = int(left)
    right = int(right)
    if right - left <= 1:
        if (arr[left] < arr[right]):
            if Min > arr[left]:
                Min = arr[left]
        else:
            if Min > arr[right]:
                Min = arr[right]
    else:
        mid = (right - left) / 2 + left
        getMin(arr, left, mid)
        getMin(arr, mid, right)
def main():
    print("请输入数组：")
    shuzu = []
    t = input().split(" ")
    for tt in t:
        shuzu.append(int(tt))
    left = 0
    right = len(shuzu) - 1
    getMin(shuzu, left, right)
    print("Min = %d" % Min)
if __name__ == '__main__':
    main()

• 五、测试数据

1. 第一组数据

（1）输入

12 64 95 36 1 38 4

（2）输出

Min = 1

2、第二组数据

（1）输入

6 7 3 4 9 2 23

（2）输出

Min = 2

3、第三组数据

（1）输入

23 54 12 94 75 30 10

（2）输出

Min = 10

六、算法分析

算法结果：

算法的结果是集合中的最小值。

时间复杂度：

算法中的遍历操作需要访问集合中的每个元素，因此时间复杂度为O(n)，其中n是集合中元素的个数。算法的时间复杂度与集合中元素的个数成线性关系。

空间复杂度：

算法的空间复杂度主要取决于存储集合元素的数据结构，以及其他辅助变量的空间消耗。对于仅需求解最小值的问题，通常只需要维护一个额外的变量来存储当前的最小值，因此空间复杂度为O(1)。

七、实验总结

该段代码使用了分治算法来求解一个数组中的最小值。其基本思想是将问题分解为较小的子问题，分别解决，然后将子问题的解合并起来得到原问题的解。

具体地，该算法首先检查数组中是否只有一个元素，如果是，则返回该元素。否则，将数组划分为两个子问题，分别递归求解左子数组和右子数组的最小值，最后将左右子问题的最小值合并起来即可得到数组的最小值。该算法的时间复杂度为O(nlogn)，其中n是数组的大小。实验结果表明，该算法能够在很短的时间内找到数组的最小值。如果要优化该算法的话，可以考虑使用其他数据结构来存储数组，从而更好地利用数组中的信息，提高算法的效率。同时，为了防止出现溢出的情况，应该使用更为安全的整数类型。