算法导论---分治1（分治概念和一些简单算法例子）

分治策略：

• 将原始问题划分或者归结为规模较小的子问题
• 递归或迭代求解每个子问题
• 将子问题的解综合得到原问题的解

注：

• 子问题与原问题性质完全一样
• 子问题之间可彼此独立地求解
• 递归停止时子问题可直接求解

算法的一般描述：
Divide-and-Conquer§

时间复杂度函数的递推方程：
W(n)=W(|P1|)+W(|P2|)+…+W(|Pk|)+f(n)
W(c）=C

• P1，P2，…，Pk为划分后产生的子问题
• f(n)为划分子问题以及将子问题的解，综合得到原问题解的总工作量
• 规模为c的最小子问题的工作量为C

两类常见递推方程：

该类递推方程适用于子问题按常数项减少，其中i是每次划分的子问题大小，a_i表示子问题的个数，g(n)为分解过程和综合解的工作量。求解可使用迭代法、递归树

该类递推方程适用于子问题按倍数缩小，其中b是缩小的倍数，a表示子问题的个数，d(n)为分解过程和综合解的工作量。求解可使用迭代法、换元法、递归树、主定理

当d(n)为常数：
a != 1，则T(n)=O(n^log_ba)
a = 1，则T(n)=O(logn)
当d(n)=cn，其中c为常数
a < b，则T(n)=O(n)
a = b，则T(n)=O(nlogn)
a > b，则T(n)=O(n^log_ba)

分治算法的优化
分治算法递推式：W(n)=aW(n/b)+f(n)或W(n)=aW(n-i)+f(n)

1. 减少子问题数。即减少递推式的中a的大小，利用子问题间的依赖关系，是某些子问题的解通过组合其他子问题的解而得到。适用于子问题个数多，划分和综合的工作量不大，复杂度函数W(n)=Θ(n^log_ba)

例：输入：X，Y是n位二进制数，n=2^k。输出：XY

普通乘法：O(n²)
划分：令X=A2^n/2+B，Y=C2^n/2+D
XY=AC2ⁿ+（AD+BC）2^n/2+BD
优化前算法复杂度：W(n)=4W(n/2)+O(n)=O(n²)，时间复杂度未发生变化
优化：AD+BC=(A-B)(D-C)+AC+BD，其中A-B和D-C都不会超过n/2位，AC和BD是原有的子问题
优化后算法复杂度：W(n)=3W(n/2)+O(n)=O(n^log3)

2. 增加预处理。即减少递推式中f(n)的工作量

二分检索

设计思想：

• 通过x与中位数比较，将原问题归结为规模减半的子问题，如果x小于中位数，则子问题由小于x的数构成，否则子问题由大于x的数构成
• 对子问题进行二分检索
• 当子问题规模为1时，直接比较x与T[m]，若相等则返回m，否则返回0

算法：BinarySearch(T，l，r，x)
输入：有序数组T；下标从 l 到 r ；检索元素 x
输出：若 x 在T中，输出下标 j ；否则输出 -1

伪码：

c++：

#include<iostream>
using namespace std;

const int n = 10;
int T[n] = {
    -2, 0, 8, 13, 20, 29, 35, 44, 50, 58 };		//有序数组

int BinarySearch(int *T, int l, int r, int x){
   
	int m;
	while(l <= r){
   
		m = (l + r) / 2;
		if(T[m] == x){
   
			return m;
		}else if(T[m] > x){
   
			r = m - 1;
		}else{
   
			l = m + 1;
		}
	}
	return -1;
}

int main