python算法之分治算法

基本思想

当我们求解某些问题时，由于这些问题要处理的数据相当多，或求解过程相当复杂，使得直接求解法在时间上相当长，或者根本无法直接求出。对于这类问题，我们往往先把它分解成几个子问题，找到求出这几个子问题的解法后，再找到合适的方法，把它们组合成求整个问题的解法。如果这些子问题还较大，难以解决，可以再把它们分成几个更小的子问题，以此类推，直至可以直接求出解为止。这就是分治策略的基本思想。

我的理解就是“分而治之”，将一个大问题分解成若干个子问题，一般情况下分为2个，然后将分解后的且已经解决的各块合并，求解。

案例一

求顺序表的最大值

import time
def get_max(List):
    A=max(List)
    return A

def get_fz(List):
    n=len(List)
    if n<=2:    #若问题模块小于或等于2
        return get_max(List)
    #分解子问题模块
    left_list,right_list=List[:n//2],List[n//2:]
    
    #递归，分治
    left_max,right_max=get_fz(left_list),get_fz(right_list)
    return get_max([left_max,right_max])
    

if __name__ == '__main__':
    num=[i for i in range(1000)]
    s_1=time.time()
    print(get_fz(num))

案例二

判断某个元素是否在列表中

def is_in_list(List,n):
    return [False,True][List[0]==n] #判断为真返回True,为假返回False

def solve(List,N):
    n=len(List)
    if n==1:
        return is_in_list(List,N)
    #分解，子问题规模没n/2
    left_list,right_list=List[:n//2],List[n//2:]
    #递归，分治，合并
    res=solve(left_list,N) or solve(right_list,N)
    return res
if __name__ == '__main__':
    List1=[i for i in range(10)]
    print(solve(List1,22))
    print(solve(List1,3))

案例三

找出一组序列中最小的值

def partition(seq):
    pi=seq[0]
    lo=[x for x in seq[1:] if x<=pi]
    hi=[x for x in seq[1:] if x>pi]
    return lo,pi,hi
def select(seq,k):
    #分解
    lo,pi,hi=partition(seq)
    m=len(lo)
    if m==k:
        return pi
    elif m<k:
        return select(hi,k-m-1) #递归，分治
    else:
        return select(lo,k) #递归分治
if __name__ == '__main__':
    List2=[i for i in range(20)]
    #查找
    print(select(List2,4))
    print(select(List2,6))  #从0开始

可以关注微信公众号，免费获取学习资源，每周都有更新