分治法核心思想、经验总结、二分查找案例

目录

分治法

二分查找

经验与总结

---

分治法

计算机求解问题所需的计算时间，与其涉及的数据规模强相关。简而言之，问题所涉及的数据规模越小，它所需的计算时间也越少；反之亦然。分治法的核心思想是“分而治之”，当你需要采用分治法时，一般原问题都需要具备以下几个特征：

• 难度在降低，即原问题的解决难度，随着数据的规模的缩小而降低。这个特征绝大多数问题都是满足的。

• 问题可分，原问题可以分解为若干个规模较小的同类型问题。这是应用分治法的前提。

• 解可合并，利用所有子问题的解，可合并出原问题的解。这个特征很关键，能否利用分治法完全取决于这个特征。

• 相互独立，各个子问题之间相互独立，某个子问题的求解不会影响到另一个子问题。如果子问题之间不独立，则分治法需要重复地解决公共的子问题，造成效率低下的结果。

根据前面我们对分治法的分析，你一定能迅速联想到递归。分治法需要递归（可以不是递归）地分解问题，再去解决问题。因此，分治法在每轮递归上，都包含了分解问题、解决问题和合并结果这 3 个步骤。

二分查找

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

package cn.ren.demo;

public class BinarySerach {
	public static void main(String[] args) {
		// 需要查找的数字
		int targetNumb = 3;
		// 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 = (low + high) >> 2;
			if (targetNumb == arr[middle]) {
				System.out.println("找到数组下标为：" + middle);
				isfind = 1;
				break;
			} else if (targetNumb < arr[middle]) {
				high = middle - 1;
			} else {
				low = middle + 1;
			}
		}
		if( isfind == 0) {
			System.out.println("没有找到");
		}
	}
}

数组元素过多时，high + low容易造成溢出，可以用  high + (low - high) / 2;  或者使用位运算 >>> 1 无符号右移也可以避免溢出

范例：在一个有序数组中，查找出第一个大于9的数字，假设一定存在。例如，arr = { -1, 3, 3, 7, 10, 14, 14 }; 则返回 10。

		if (arr[middle] > targetNumb && (middle == 0 || nums[middle - 1] <= targetNumb)) {
			System.out.println("第一个比 " + targetNumb + " 大的数字是 " + arr[middle]);
			break;
		}

经验与总结

经验和规律的总结，这些经验会辅助面试时找到解题思路。

• 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。

• 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。

• 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。

分治法经常会用在海量数据处理中。这也是它显著区别于遍历查找方法的优势。在面对陌生问题时，需要注意原问题的数据是否有序，预期的时间复杂度是否带有 logn 项，是否可以通过小问题的答案合并出原问题的答案。如果这些先决条件都满足，你就应该第一时间想到分治法。