算法导论 第4章 分治策略（1）

算法导论 第4章 分治策略（1）

分治策略 的三个步骤：

1. 分解为若干子问题，子问题形式与原问题相同，但规模更小
2. 递归地解决子问题，若子问题规模足够小则停止递归，直接求解
3. 合并为原问题的解式

足够大需要递归求解的子问题称为 递归情况，不再需要递归的足够小的子问题称为 基本情况。

求解递归式，即得到算法的Θ或O渐近界的方法的方法：

• 代入法：猜测一个界，用数学归纳法证明
• 递归树法：将递归式转换为一棵树，节点表示递归调用产生的代价，然后用边界和技术来求解
• 主方法：用于解形如
  
  的递归式

最大子数组问题

考虑购买股票的问题，希望在股票价格变化值的序列中找到最优购买和出售时机。

若使用暴力求解的方法，尝试每对可能的购买和出售时间组合，则运行时间为Ω(n²)。

将数据转变为每日价格相对于前一天的价格差，则问题转化为寻找数组A的和最大的非空连续子数组，即 最大子数组：

使用分治策略求解该问题，假设数组范围为A[low…high]，中央位置mid，则最大子数组必然位于三种情况之一：

• 完全处于子数组A[low…mid]中
• 完全处于子数组A[mid+1…high]中
• 跨越中点

即最大子数组为三种情况的所有子数组中和最大者。

跨越中点的情况比较容易，只需找到形如A[i…mid]和A[mid+1…j]的最大子数组并合并：

该方法花费Θ(n)时间。

由此即可设计出求解最大子数组问题的分治算法：

建立递归式来描述该算法运行时间：

使用主方法可求出其解为T(n)=Θ(nlgn)，优于暴力求解的方法。

矩阵乘法的Strassen算法

考虑矩阵乘法问题，即：

常规计算方法：

该方法花费Θ(n³)时间。

使用分治方法计算矩阵乘法C=A·B，假定三个矩阵都是nxn，n为2的幂，将每个矩阵分解为4个n/2xn/2的子矩阵，于是矩阵乘法改写为：

直接进行递归分治算法：

其中矩阵分解时使用下标计算，花费Θ(1)时间，8次递归调用花费8T(n/2)时间，4次矩阵加法花费Θ(n²)时间，所以总的运行时间为：

Strassen方法在此基础上减少了一次矩阵乘法。其步骤如下：

1. 将矩阵A、B、C分解为n/2xn/2的子矩阵，花费时间Θ(1)
2. 创建10个n/2xn/2的矩阵S₁…S₁₀，每个矩阵保存步骤1中创建的两个子矩阵的和或差，花费时间Θ(n²)
3. 用子矩阵和10个矩阵递归的计算7个矩阵积P₁…P₇，每个P矩阵都是n/2xn/2的。
4. 通过P矩阵进行加减运算得到C矩阵的4个子矩阵，花费时间Θ(n²)

其中步骤2中创建的矩阵：

步骤3中的7次矩阵乘法：

步骤4中的矩阵加减法：

该算法运行时间：

由主方法可求得T(n)=Θ(n^lg7)。