在利用分治算法求问题解时其基本思路可以分为以下几个步骤:
(1)分解,将要解决的问题划分成若干规模较小的同类问题
(2)求解,当子问题划分得足够小时,用较简单的方法解决
(3)合并,按原问题的要求,将子问题的解逐层合并构成原问题的解.
下面我们将通过具体的实例来对以上步骤做出详细的分析。
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
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4]
输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大,为 6。
问题分析:
我们要求最大子序列的和,就要先找到最大子序列的位置。那么最大子序列在哪呢?我们将数组二分,设置 mid=(low=high)/2 ,最大子序列要么在mid的左边[low,mid],要么在mid的右边[mid+1,high],要么跨立在分界点上。哪什么又叫做"跨立在分界点上"呢?只有包含子序列[mid,mid+1]的序列才叫做"跨立在分界点上"。通俗的将就是包含左边序列的最后一个元素mid和右边第一个元素mid+1的序列。在了解了"跨立"的含义后,我们又应该如何去解决求各个子序列的最大值呢?这其中又要利用到线性动态规划的思想(详解请见另一篇文章)。我们以左子序列为例,-2,1,-3,4,-1,连续的子序列可以分为以-2结尾的子序列,以1结尾的子序列,以-3结尾的子序列…我们假设以各数结尾的最大子序列的值为B[j],那么与j紧邻的i(i>j)结尾的最大值为max{B[j]+date[i],date[i]},用状态转移方程式表示为B[i] max{B[j]+date[i],date[i]}.
/*
动态规划
时间复杂度O(N),空间复杂度O(1)
*/
public class Main{
public static void main(String[] args){
int[] date = new int[]{-2,1,-3,4,-1,2,1,-5,4}; //测试数据
int[] B = new int[9]; //用来记录各个状态的最大值
System.out.println(continueSubMax(date,B));
}
//求最大连续子数组的和
public static int continueSubMax(int[] date,int[] B){
B[0] = date[0]; //以第一个元素结尾的最大值即为其本身
int max = B[0];
for(int i=1;i<date.length;i++){
B[i] = Math.max(B[i-1]+date[i],date[i]);
if(B[i]>max){
max = B[i]; //更新max的值
}
}
return max;
}
}
有如上的基础后,我们可以配合分治的思想来解决此问题。我们又该如何求"跨立"序列的最大值呢?由于跨立序列必然包含子序列[mid,mid+1],其中mid为左子序列的结尾,mid+1为右子序列的开头,所以问题转化为跨立序列的最大值 = 以mid结尾的左子序列的最大值+以mid+1开头的右子序列的最大值
/*
分治法
时间复杂度O(NlogN),空间复杂度O(logN)递归时栈使用的空间
*/
public class Main{
public static void main(String[] args){
int[] date = new int[] { -2, 1, -3, 4, -1, 2, 1, -5, 4 }; // 测试数据
System.out.println(continueSubMax(0,8,date));
}
//求最大连续子数组的和
public static int continueSubMax(int low,int high,int[] date){
//递归出口,实际上在如上分析中我们可以得出,只要区间大于等于2都为跨立序列
if(low == high){
return date[low];
}
int mid = (low+high)/2; //二分区间
int LM = continueSubMax(low,mid,date); //左子序列的最大值
int RM = continueSubMax(mid+1,high,date); //右子序列的最大值
//从mid开始依次往前找到以mid结尾的左子序列的最大值
int leftMax = date[mid];
int leftSum = 0;
for(int i=mid;i>=low;i--){
leftSum += date[i];
leftMax = Math.max(leftSum,leftMax);
}
//从mid+1开始依次往后找到以mid+1加一开头的右子序列的最大值
int rightMax = date[mid+1];
int rightSum = 0;
for(int i=mid+1;i<=high;i++){
rightSum += date[i];
rightMax = Math.max(rightSum,rightMax);
}
//跨立序列的最大值
int CM = leftMax + rightMax;
return Math.max(CM,Math.max(LM,RM));
}
}
不修改数组找出重复的数字
给定一个长度为 n+1 的数组nums,数组中所有的数均在 1∼n 的范围内,其中 n≥1。请找出数组中任意一个重复的数,但不能修改输入的数组。
样例
给定 nums = [2, 3, 5, 4, 3, 2, 6, 7]。
返回 2 或 3。
问题分析:
首先,由题意我们可知数组的长度为n+1,也就是说数组装了n+1个数,又有每个数的范围是 [1,n],那么必然存在连个重复的数。为什么?这便是抽屉原理-------桌上有十个苹果,要把这十个苹果放到九个抽屉里,无论怎样放,我们会发现至少会有一个抽屉里面放不少于两个苹果。这一现象就是我们所说的“抽屉原理”。 抽屉原理的一般含义为:“如果每个抽屉代表一个集合,每一个苹果就可以代表一个元素,假如有n+1个元素放到n个集合中去,其中必定有一个集合里至少有两个元素。” 抽屉原理有时也被称为鸽巢原理。由此我们可以得出基本的解题思路,首先我们将范围区间二分为 [ 1, (1+n)/2 ] 和 [ (1+n)/2 + 1 , n],然后遍历数组,统计数组分别在区间 [ 1, (1+n)/2 ] 和区间 [ (1+n)/2 + 1 , n]的个数,如果数的个数大于区间的长度,说名重复得数一定再此区间,然后再将此区间重复上诉过程,直到找到答案,即每个区间的长度变为1.
代码
public class Main{
public static void main(String[] args){
int[] date =new int[] {2, 3, 5, 4, 3, 2, 6, 7};
System.out.println(findRepeatNumber(1,date.length-1,date));
}
//找出重复的元素
public static int findRepeatNumber(int low,int high,int[] date){
while(low<high){
int mid = (low + high)/2; //二分区间
int count = 0; //记录在此区间的值的个数
for(int i=0;i<date.length-1;i++){
if(date[i]<=mid && date[i]>=low){
count++;
}
}
if(count>mid-low+1){
high = mid;
} else {
low = mid + 1;
}
}
return low; //或者return high;
}
}