前面了解了递归的思想,接下来介绍一种经典的基于递归思想来解决问题的方法:分治策略。
简单的说:分治策略分为两步:
(1)找出 基线条件,这种条件必须尽可能简单;
(2)不断缩小问题规模,直至符合基线条件。
举个栗子: 如果你有一块地,这块地是一块矩形,长1680米。宽640米,要求将这块地均匀的分成方块,且分出的方块要尽可能的大,该怎么做?
这里使用分而治之的策略。首先思考,这里,最简单的条件(基线)是什么?
当然是我们划分的方块正好是这块地的一边!我们能划分出的最大方块是640*640的,于是我们将这块地分成了三块
如上图,这里图不是太规范请见谅,最右边一块地并不是正方形,但是,这里我们将原始的一款地划分成了两个方块,和一块新地,这是不是缩小了问题规模!!!那么我们是不是可以对这块地接着划分!直到满足我们的要求为止。
这就是分治策略的思想
分治策略的应用之: 快速排序
快速排序是使用分治策略的典型算法。比选择排序快的多(选择排序时间复杂度为O(n^2),快速排序为Onlogn)。
快速排序的思想是什么?
给定一个未排序的数组,比如{27,45,34,25,4},基于分治策略,首先我们要考虑的是:基线条件是什么?在这里的话,最简单的条件是:数组就一个元素或是空数组,如此一来就不用排序。可以直接输出结果。
quicksort(arr[n]){
if(n<2)
return arr[n]
}
那么如何缩小这个问题的规模呢?当然是想办法拆分数组,我们的做法是:任取一个基准值,将原数组拆分成两个数组,左边的数组内的值都比基准值小,右边的数组内的值都比基准值大,以例子中的数组: 比如讲第一个元素设为基准值
{25,4} 27 {45,34}
如此一来,就得到了两个数组,实现了缩小规模的目的,接下来的过程就不用我们操心啦,只要不断的递归,直到满足基线条件就可以了。
代码如下(python)
def quicksort(array):
if len(array)<2:
return array
else:
pivot =array[0]
less=[i for i in array[1:] if i<=pivot]
greater=[i for i in array[1:] if i>pivot]
return quicksort(less) +pivot +quicksort(greater)