分治法(Divide&Conquer)
- 将一个大问题分解为一个个的小问题,然后将小问题解决后再将结果整合以后,就能得到大问题的解
- 用到了递归
直接看题吧:
53.最大子序和
给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
题目的难度是简单,突然自卑。想了半天写了个O(n)复杂度的,而且并没有想到分治应该怎么写,用了滑动窗口,先记录一下吧:
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
left, right = 0, -1
sum_sub = 0
max_sum = nums[0]
## 右窗口移动n次,遍历整个序列
for i in range(len(nums)):
right += 1
## sum_sub是当前窗口子集和
sum_sub += nums[right]
## 如果子集和小于0,那么这个子集对于后面的子集来说,只有副作用,所以要抛弃
## 经过这一步,子集和应该为正,或者子集中只有一个元素(left=right)
while(sum_sub<0 and left<right):
sum_sub -= nums[left]
left+=1
## 子集为正,但是有可能左窗口还为负值,起反作用,所以也要丢掉
while(nums[left]<0 and left<right):
sum_sub -= nums[left]
left+=1
## 当前子集和与历史子集和对比,取最大
max_sum = max(max_sum, sum_sub)
return max_sum
执行用时:32 ms, 在所有 Python3 提交中击败了99.84%的用户
内存消耗:13.9 MB, 在所有 Python3 提交中击败了82.54%的用户
想了半天,灰溜溜的滚去看讲解了,根据讲解来写分治算法:
对于一个数组nums,其长度为high-low,中间值为mid,他的最大子序,有三种可能:
- 在low和mid之间;
- 再mid和high之间;
- 跨过了mid,两边都有涉猎。
不断划分下去,最后切成单独的元素后,开始逐步返回上层。
最后的返回值为三者中的最大值。
class Solution:
def maxSubArray(self, nums: List[int]) -> int:
n = len(nums)
# 递归终止条件
if n == 1:
return nums[0]
else:
# 递归计算左半边最大子序和
max_left = self.maxSubArray(nums[0:len(nums) // 2])
# 递归计算右半边最大子序和
max_right = self.maxSubArray(nums[len(nums) // 2:len(nums)])
#计算中间的最大子序和,从右到左计算左边的最大子序和,从左到右计算右边的最大子序和,再相加
max_l = nums[len(nums) // 2 - 1]
tmp = 0
for i in range(len(nums) // 2 - 1, -1, -1):
tmp += nums[i]
max_l = max(tmp, max_l)
max_r = nums[len(nums) // 2]
tmp = 0
for i in range(len(nums) // 2, len(nums)):
tmp += nums[i]
max_r = max(tmp, max_r)
#返回三个中的最大值
return max(max_right,max_left,max_l+max_r)
这是直接复制了评论区的代码,不过跑起来速度比较慢。
169.多数元素
class Solution:
def majorityElement(self, nums: List[int]) -> int:
# 分治思想:存在数组n, n的多数元素为a, 对于对n均分的左子集left和右子集right
# a至少为其中一个子集的多数元素。
# 反过来思考:
# 如果两边的多数元素相同,那么这个元素就是整个数组的多数元素
# 如果两边的多数元素不同,那么就要对比这两个结果,要找到整个数组的多数元素
def majorityelement_findLR(left,right):
if left == right:
return nums[left]
mid = (right + left) // 2
left_max = majorityelement_findLR(left, mid)
right_max = majorityelement_findLR(mid+1, right)
if left_max == right_max:
return left_max
left_count = sum(1 for i in range(left, right+1) if nums[i] == left_max)
right_count = sum(1 for i in range(left, right+1) if nums[i] == right_max)
return left_max if left_count>right_count else right_max
return majorityelement_findLR(0,len(nums)-1)
- 数组中的第K个最大元素
最直接的思路是归并排序,但是显然不应该用这么简单的方法。
class Solution:
def findKthLargest(self, nums: List[int], k: int) -> int:
def partition(left, right):
pivot = nums[left]
l = left + 1
r = right
while l <= r:
if nums[l] < pivot and nums[r] > pivot:
nums[l], nums[r] = nums[r], nums[l]
if nums[l] >= pivot:
l += 1
if nums[r] <= pivot:
r -= 1
nums[r], nums[left] = nums[left], nums[r]
return r
left = 0
right = len(nums) - 1
while 1:
idx = partition(left, right)
if idx == k - 1:
return nums[idx]
if idx < k - 1:
left = idx + 1
if idx > k - 1:
right = idx - 1