目录
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。