数据结构与算法笔记（十一）分治

从定性的角度来看，分治法的核心思想就是“分而治之”。利用分而治之的思想，就可以把一个大规模、高难度的问题，分解为若干个小规模、低难度的小问题。随后，开发者将面对多个简单的问题，并很快地找到答案各个击破。在把这些简单问题解决好之后，我们通过把这些小问题的答案合并，就得到了原问题的答案。

在大数据上分治才具有价值。问题设计的数据规则越小，它所需的计算时间越小；反之亦然。

很多高效率的算法都是以分治法作为其基础思想的，例如排序算法中的快速排序、归并排序。

分治法的使用方法

采用分治法，原问题需要具有的特征：

• 难度在降低：原问题的解觉难度，随着数据的规模的缩小而降低
• 问题可分：原问题可分解成若干个规模较小的同类问题（前提）
• 解可合并：所有子问题的解，可合并出原问题的解
• 互相独立：各个子问题之间互相独立，某个字问题的求解不会影响另一个子问题

合并法在每轮递归上，都包含了分解问题、解决问题和合并结果三个步骤。

二分查找（分治法的使用）：

在一个有序的数列中，判断某个待查找的数字是否出现过

步骤：

1. 选择一个标志i将集合L分为两个子集合，可以使用中位数
2. 判断标志L(i)是否能与查找的值相等，相等则直接返回结果
3. 如果不相等，判断L(i)与查找的值的大小
4. 基于判断的结果决定下一步是向左查找还是向右查找。如果向某个方向查找的空间为0，则返回未找到
5. 回到步骤1

二分查找的复杂度分析：

最差的情况，不断查找到最后一个数字，时间复杂度是O(logn)

分治法的案例

在数组 { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 } 中，查找 8 是否出现过

public static void main(String[] args) {
	// 需要查找的数字
	int targetNumb = 8;
	// 目标有序数组
	int[] arr = { 1, 2, 3, 4, 5, 6, 7, 8, 9, 10 };
	int middle = 0;
	int low = 0;
	int high = arr.length - 1;
    int isfind = 0;

	while (low <= high) {
		middle = (high + low) / 2;
		if (arr[middle] == targetNumb) {
			System.out.println(targetNumb + " 在数组中,下标值为: " + middle);
            isfind = 1;
			break;
		} else if (arr[middle] > targetNumb) {
			// 说明该数在low~middle之间
			high = middle - 1;
		} else {
			// 说明该数在middle~high之间
			low = middle + 1;
		}
    }
    if (isfind == 0) {
			System.out.println("数组不含 " + targetNumb);
	}
}

解题思路：

1. 二分查找的时间复杂度是 O(logn)，这也是分治法普遍具备的特性。当你面对某个代码题，而且约束了时间复杂度是 O(logn) 或者是 O(nlogn) 时，可以想一下分治法是否可行。
2. 二分查找的循环次数并不确定。一般是达到某个条件就跳出循环。因此，编码的时候，多数会采用 while 循环加 break 跳出的代码结构。
3. 二分查找处理的原问题必须是有序的。因此，当你在一个有序数据环境中处理问题时，可以考虑分治法。相反，如果原问题中的数据并不是有序的，则使用分治法的可能性就会很低了。