分治法的设计思想
将一个难以直接解决的大问题,划分成一些规模较小的子问题,以便各个击破,分而治之。更一般地说,将要求解的原问题划分成k个较小规模的子问题,对这k个子问题分别求解。如果子问题的规模仍然不够小,则再将每个子问题划分为k个规模更小的子问题,如此分解下去,直到问题规模足够小,很容易求出其解为止,再将子问题的解合并为一个更大规模的问题的解,自底向上逐步求出原问题的解。
启发式规则:
- 平衡子问题:最好使子问题的规模大致相同。也就是将一个问题划分成大小相等的k个子问题(通常k=2),这种使子问题规模大致相等的做法是出自一种平衡(Balancing)子问题的思想,它几乎总是比子问题规模不等的做法要好。
- 独立子问题:各子问题之间相互独立,这涉及到分治法的效率,如果各子问题不是独立的,则分治法需要重复地解公共的子问题。
分治法的典型情况
分治法的求解过程
一般来说,分治法的求解过程由以下三个阶段组成:
(1)划分:既然是分治,当然需要把规模为n的原问题划分为k个规模较小的子问题,并尽量使这k个子问题的规模大致相同。
(2)求解子问题:各子问题的解法与原问题的解法通常是相同的,可以用递归的方法求解各个子问题,有时递归处理也可以用循环来实现。
(3)合并:把各个子问题的解合并起来,合并的代价因情况不同有很大差异,分治算法的有效性很大程度上依赖于合并的实现。
问题描述![在这里插入图片描述](https://img-blog.csdnimg.cn/20200504190212640.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQ1MDQyODIy,size_16,color_FFFFFF,t_70)
代码
#include<iostream>
using namespace std;
int MaxSum(int a[ ], int left, int right)
{
int sum=0;
int center,leftsum,rightsum,s1,lefts,i,s2,rights,j;
if (left==right) //如果序列长度为1,直接求解
{
if (a[left]>0)
sum=a[left];
else
sum=0;
}
else
{
center=(left+right)/2; //划分
leftsum=MaxSum(a, left, center);//对应情况①,递归求解
rightsum=MaxSum(a, center+1, right);//对应情况②,递归求解
s1=0;
lefts=0;
//以下对应情况③,先求解s1
for (i=center; i>=left; i--)
{
lefts+=a[i];
if (lefts>s1)
s1=lefts;
}
s2=0;
rights=0; //再求解s2
for (j=center+1; j<=right; j++)
{
rights+=a[j];
if (rights>s2)
s2=rights;
}
sum=s1+s2; //计算情况③的最大子段和
if (sum<leftsum)
sum=leftsum;
//合并,在sum、leftsum和rightsum中取较大者
if (sum<rightsum)
sum=rightsum;
}
return sum;
}
int main()
{
int n;
int a[100];
cin>>n;
for(int i=0;i<n;i++)
{
cin>>a[i];
}
cout<<MaxSum(a,0,n-1);
}
分析算法的时间性能,对应划分得到的情况①和②,需要分别递归求解,对应情况③,两个并列for循环的时间复杂性是O(n),所以,存在如下递推式:
算法的时间复杂性为O(nlog2n)。