分治法

分治法一般步骤：

• 分（divide）：将大问题分解为一些小问题
• 治（conguer）：分别处理（解决）这些小问题
• 合（combine）：组合各个小问题处理之后的结果

常见的分治法有：

1. 归并排序（mergeSort）
   $T(n) = 2T(n/2) + \Theta(n)$
   由主方法可知，时间复杂度为$\Theta(nlog_2n)$

2. 二分搜索（binary search）
   $T(n) = T(n/2) + \Theta(1)$
   时间复杂度为$\Theta(log_2n)$

3. 乘方运算
   $x^n$
   由于以前没有写过乘方运算的递归代码，就在这里贴上python代码

   def power(x,n):
       if n == 1:
           return x
       if n % 2 == 0:
           v = power(x, n / 2)
           return v * v
       v = power(x, n / 2)
       return v * v * x

   $T(n) = T(n/2) + \Theta(1)$
   时间复杂度为$\Theta(log_2n)$

4. 费波纳茨数列
   

   $$F(n)=\begin{cases} 0 & n = 0 \\ 1 & n = 1 \\ F(n-1) + F(n-2) & n > 1 \end{cases}$$
   

   • 递归函数求解费波纳茨数列

   def fib(n):
       if n == 0 or n == 1:
           return n
       return fib(n - 1) + fib(n - 2)

   $T(n) = T(n-1) + T(n-2)$
   时间复杂度为$\Omega(\phi^n)[\phi=\frac{1 + \sqrt{5}}{2}]$
   可见时间复杂度为指数级

5. 迭代法求解费波纳茨数列（自下而上递归）

   def fib(n):
       if n == 0 or n == 1:
           return n
       a = 0
       b = 1
       i = 1
       while i < n:
           tmp = b
           b = a + b
           a = tmp
           i += 1
       return b

   时间复杂度为$\Theta(n)$

6. 数学方法
   $fib(n) = \left\lceil\frac{\phi^n}{n}\right\rceil$
   时间复杂度为$\Theta(log_2n)$
   这是一种理想情况，因为在现代计算机中，用浮点数表示实数会产生误差。

7. 矩阵法
   $\begin{bmatrix} fib(n+1) & fib(n)\\ fib(n) & fib(n-1) \end{bmatrix} = {\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}}^n$
   时间复杂度$\Theta(log_2n)$
   下面证明该矩阵公式：
   

   1. $n = 1$，显然成立
      $\begin{bmatrix} fib(2) & fib(1)\\ fib(1) & fib(0) \end{bmatrix} = {\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}}$
      
   2. 假设$n = n-1$公式成立，那么
      $\begin{bmatrix} fib(n) & fib(n-1)\\ fib(n-1) & fib(n-2) \end{bmatrix} = {\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}}^{n-1}$
      
   3. $n=n$
      $\begin{bmatrix} fib(n+1) & fib(n) \\ fib(n) & fib(n-1) \end{bmatrix} = \begin{bmatrix} fib(n) & fib(n-1) \\ fib(n-1) & fib(n-2) \end{bmatrix}\times \begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}= {\begin{bmatrix} 1 & 1 \\ 1 & 0 \end{bmatrix}}^n$

矩阵法求解费波纳茨数列，python代码

def mul_matrix(ma,mb):
    ma_rows = len(ma)
    ma_clos = len(ma[0])
    mb_cols = len(mb[0])
    res = [[] for row in range(ma_rows)]
    for row in range(ma_rows):
        for col in range(mb_cols):
            value = 0
            for k in range(ma_clos):
                value += ma[row][k] * mb[k][col]
            res[row].append(value)
    return res

def power(L,n):
    if n == 1:
        return L
    if n % 2 == 0:
        v = power(L,n/2)
        return mul_matrix(v,v)
    v = power(L,n/2)
    return mul_matrix(mul_matrix(v,v),L)

def fib(n):
    if n == 0:
        return 0
    m = [[1,1],
         [1,0]]
    res = power(m,n)
    return res[0][1]

if __name__ == '__main__':
    for i in range(20):
        print '%5d' % fib(i)

输出结果：

>>> 
    0
    1
    1
    2
    3
    5
    8
   13
   21
   34
   55
   89
  144
  233
  377
  610
  987
 1597
 2584
 4181