第二章递归与分治策略思维导图

最新推荐文章于 2022-12-19 18:30:56 发布

闪光沙奈朵

最新推荐文章于 2022-12-19 18:30:56 发布

阅读量548

点赞数 2

文章标签：算法数据结构 c++

本文链接：https://blog.csdn.net/qq_52616965/article/details/120685777

版权

本文详细介绍了递归和分治法的概念及其在算法设计中的应用。递归是函数直接或间接调用自身的方式，而分治法则是将大问题分解为小问题，递归解决后合并答案。经典分治算法如二分搜索、合并排序和快速排序等被详述。此外，还探讨了如何利用分治法优化大整数乘法和解决最接近点对问题。最后，通过棋盘覆盖和循环赛日程表的例子展示了分治法的实际应用。

摘要由CSDN通过智能技术生成

递归与分治法

递归

直接或间接调用自身的算法。

分治法

将规模为n的问题分为k个规模较小的子问题。子问题和原问题相同且相互独立。递归地解决子问题并将子问题的解合并为原问题的解。

一般而言，将问题分为大小相近的子问题是最有效率的。通常将问题一分为二。

从设计模式可以看出，分治法一般用递归实现。所以分治法的效率可以通过递归表达式进行分析。则有：

$T(n)=O(1) n=1$

$T(n)=kT(n/m)+f(n) n>1$

其中问题规模最小为1，其时解所耗费的时间为常数单位。规模大于1时，将问题分解为k个规模为n/m的子问题。将这k个子问题的解合并耗费的时间为f(n)。则展开上式可得：

$T(n)=n^{log_{m}k}+\sum_{j=0}^{log_{m}n-1}k^{j}f(n/m^{j})$

经典分治算法

二分搜索：

将数组分为两半，将中间元素和目标比较，根据结果对左边或右边递归进行二分搜索。

合并排序：

将数组分为等长的两半，对两个子数组递归进行合并排序，然后再把两个有序的子数组合并。

快速排序：

以数组中特定元素为基准，把数组分为比它大和比它小的两部分，再对两部分递归进行快速排序。

Strassen矩阵乘法：

n阶矩阵A和B相乘，可以分解为其子矩阵的乘法：

$\begin{bmatrix} C_{11} &C_{12} \\ C_{21} &C_{22} \end{bmatrix} = \begin{bmatrix} A_{11} &A_{12} \\ A_{21} &A_{22} \end{bmatrix}\begin{bmatrix} B_{11} &B_{12} \\ B_{21} &B_{22} \end{bmatrix}$

即：

$\begin{matrix} C_{11} = A_{11}B_{11}+A_{12}B_{21}\\ C_{12} = A_{11}B_{12}+A_{12}B_{22}\\ C_{21} = A_{21}B_{11}+A_{22}B_{21}\\ C_{22} = A_{21}B_{12}+A_{22}B_{22} \end{matrix}$

然后子矩阵的乘法再分解，直到子矩阵规模为2*2.

但这种拆分没有减少矩阵乘法次数，时间复杂度和直接做矩阵乘法没有差别。故Strassen提出了新的算法：

首先算出7个矩阵：

$\begin{matrix} M_1 = A_{11}(B_{12}-B_{22})\\ M_2 = (A_{11}+A_{12})B_{22}\\ M_3 = (A_{11}+A_{22})B_{11}\\ M_4 = A_{22}(B_{21}-B_{11})\\ M_5 = (A_{11}+A_{22})(B_{11}+B_{22})\\ M_6 = (A_{12}-A_{22})(B_{21}+B_{22})\\ M_7 = (A_{11}-A_{21})(B_{11}+B_{12}) \end{matrix}$

然后有

$\begin{matrix} C_{11} = M_5+M_4-M_2+M_6\\ C_{12} = M_1+M_2\\ C_{21} = M_3+M_4\\ C_{22} = M_5+M_1-M_3-M_7 \end{matrix}$

这样只需7次子矩阵乘法就完成了矩阵相乘，算法复杂度为 $O(n^{log7})\approx O(n^{2.81})$

最接近点对问题

分治法：

分解：将n个点的集合分成大小近似相等的两个子集。
求解：递归地求解两个子集内部的最接近点对。
合并（关键问题）：从子空间内部最接近点对，和两个子空间之间的最接近点对中，选择最接近点对。

大整数乘法

对这个式子，我们一共要进行4次 n / 2的乘法（AC2次， AD， BC）和 3次加法，因而该算法的时间复杂度为：

T(n) = 4 * T(n / 2) + θ(n)
通过master定理可以求得 T(n) = θ(n ^ 2)，跟小学算法的时间复杂度没有区别。

但是我们再来看看，我们是否可以用加法来换取乘法？因为多一个加法操作，也是常数项，对时间复杂度没有影响，如果减少一个乘法则不同。

XY=AC2^n+[(A-B)(D-C)+AC+BD]2^n/2+BD

现在的时间复杂度为：

T(n) = 3 * T(n / 2) + θ(n)，通过master定理求得，T(n) = O(n^log2(3) ) = O(n^1.59 )。

棋盘覆盖

为了将这 3 个无特殊方格的子棋盘转化为特殊棋盘，我们可以用一个 L 型骨牌覆盖这 3 个较小的棋盘的汇合处，如下图所示，这 3 个子棋盘上被 L 型骨牌覆盖的方格就成为该棋盘上的特殊方格，从而将原问题化为 4 个较小规模的棋盘覆盖问题。

每次将棋盘分成四块大小相同的子棋盘，看作四个象限，判断特殊方格在哪一个象限，将四个子棋盘交界处的方格填充（除了特殊方格所在象限），然后递归对左上，右上，右下，左下进行填充（特殊方格为已填充的点）

循环赛日程表

按照分治的策略，可将所有参赛的选手分为两部分，n＝2k个选手的比赛日程表就可以通过为\frac{n}{2}=2k-1个选手设计的比赛日程表来决定。递归地执行这种分割，直到只剩下2个选手时，比赛日程表的制定就变得很简单：只要让这2个选手进行比赛就可以了。

显然，这个求解过程是自底向上的迭代过程，其中左上角和左下角分别为选手1至选手4以及选手5至选手8前3天的比赛日程，据此，将左上角部分的所有数字按其对应位置抄到右下角，将左下角的所有数字按其对应位置抄到右上角，这样，就分别安排好了选手1至选手4以及选手5至选手8在后4天的比赛日程，如图©所示。具有多个选手的情况可以依此类推。

这种解法是把求解2^{k} 个选手比赛日程问题划分成依次求解2{1}、2{2}、…、2{k}个选手的比赛日程问题，换言之，2{k}个选手的比赛日程是在2^{k-1}个选手的比赛日程的基础上通过迭代的方法求得的。在每次迭代中，将问题划分为4部分：

（1）左上角：左上角为2^{k-1}个选手在前半程的比赛日程；

（2）左下角：左下角为另2{k-1}个选手在前半程的比赛日程，由左上角加2{k-1}得到，例如2{2}个选手比赛，左下角由左上角直接加2得到，2{3}个选手比赛，左下角由左上角直接加4得到；

（3）右上角：将左下角直接抄到右上角得到另2^{k-1}个选手在后半程的比赛日程；

（4）右下角：将左上角直接抄到右下角得到2^{k-1}个选手在后半程的比赛日程；