如果对分治策略不懂的可以先看下这个:分治策略学习(一)
回顾一下分治策略的三步骤:
1. 分解步骤:将问题划分为一些子问题,子问题的形式与原问题一样,只是规模更小。
2. 解决步骤:递归求解出子问题。如果子问题的规模足够小,则停止递归,直接求解。
3. 合并步骤:将子问题的解组合成原问题的解。
当子问题足够大,需要递归求解时,我们称之为递归情况。当子问题变得足够小,不再需要递归时,我们说递归已经“触底”,进入了基本情况。
全排列问题
问题
给定n(n>=1)个元素组成的集合,输出该集合的所有可能的排列。例如,集合 {a,b,c} 的所有的可能的排列为{(a,b,c),(a,c,b),(b,a,c),(b,c,a),(c,a,b),(c,b,a)}
解法
当我们运用分治策略的思想来解决这个问题的时候,你会发现问题变得很简单。
首先是第一步:分解问题
我们考虑一下集合中存在4个元素的时候,例如{a,b,c,d},排列的组合如下:
1. 以a开头后面跟着{b,c,d}的所有排列
2. 以b开头后面跟着{a,c,d}的所有排列
3. 以c开头后面跟着{a,b,d}的所有排列
4. 以d开头后面跟着{a,b,c}的所有排列
此时,你会发现我们将问题从原来求解4个元素的全排列问题变为求解3个元素的全排列问题,而这只需要一个for循环就可以达到目的
这里我们拿(1)来说明问题,对于{b,c,d},排列的组合如下
1. 以b开头后面跟着{c,d}的所有排列
2. 以c开头后面跟着{b,d}的所有排列
3. 以d开头后面跟着{b,c}的所有排列
此时又由求解3个元素的全排列问题变为求解2个元素的全排列问题,问题进一步变小。
然后是第二步:解决问题
什么时候子问题变得最小?当只剩下一个元素的时候,问题变得最小,此时停止递归,直接求解。这里又引发一个问题,如何求解?你或许会想,这里只有一个元素,直接输出就行了,但是你可能忘了,在第三步合并问题的时候,元素从一个变为两个时(或者更多的时候),不作为显然是错误的。对于全排列问题,从观察上,我们知道,如果不分解问题,只需要两两元素之间进行位置交换,我们就能得到所有的排列组合。因此,我们采取swap的方式。
最后是第三步:合并问题
将子问题组合成原问题
代码
/*
全排列问题
*/
#include <algorithm>
#include <iostream>
#include <vector>
using namespace std;
void FullArrangement(vector<char>& vec, int begin, int end)
{
// 达到递归结束条件
if(begin == end) {
for(int i = 0; i <= end; ++i) {
cout << vec[i] << " ";
}
cout << endl;
}
else {
for(int i = begin; i <= end; ++i) {
std::swap(vec[begin], vec[i]);
FullArrangement(vec, begin + 1, end);
std::swap(vec[begin], vec[i]);
}
}
}
int main(int argc, char const *argv[])
{
vector<char> vec = {'a', 'b', 'c'};
FullArrangement(vec, 0, vec.size() - 1);
return 0;
}
延伸
本题目可以拓展为:去除重复的排序。例如{a, a, b},它的全排列为{a, a, b},{a, b, a},{b, a, a},留给大家思考。
二分搜索算法
二分搜索算法是一个很简单的算法,它的解释如下
在计算机科学中,二分搜索(英语:binary search),也称折半搜索(英语:half-interval search)、对数搜索(英语:logarithmic search),是一种在有序数组中查找某一特定元素的搜索算法。搜索过程从数组的中间元素开始,如果中间元素正好是要查找的元素,则搜索过程结束;如果某一特定元素大于或者小于中间元素,则在数组大于或小于中间元素的那一半中查找,而且跟开始一样从中间元素开始比较。如果在某一步骤数组为空,则代表找不到。这种搜索算法每一次比较都使搜索范围缩小一半。
实现二分搜索算法的方法有很多,常用的通过while循环或者for循环(由于过于简单,这里代码就不贴出来了),又或者递归实现,这里我们讲递归实现的二分搜索算法。
解法
对于二分搜索,我们的目的是查找该数组是否存在某个值,如果运用分治方法,我们首先考虑它的三个步骤:
分解步骤
假设数组为{1, 3, 4, 6, 7, 8, 10, 13, 14},我们要查找{4}这个元素,根据二分的思路,将数组分为两部分解决步骤
比较当前中间值是否等于所需要查找的值,再根据比较结果进行分解合并步骤
通过解决子问题的解,返回原问题的解
步骤如下图所示:
代码
/*
二分搜索算法
*/
#include <iostream>
#include <vector>
using namespace std;
// 返回val所在的下标
int binary_search(const vector<int>& vec, int begin, int end, int val)
{
if (begin > end) {
return -1;
}
int mid = begin + (end - begin) / 2;
if (vec[mid] > val) {
return binary_search(vec, begin, mid - 1, val);
}
else if (vec[mid] < val) {
return binary_search(vec, mid + 1, end, val);
}
return mid;
}
int main(int argc, char const *argv[])
{
vector<int> vec = {1, 3, 4, 6, 7, 8, 10, 13, 14};
cout << binary_search(vec, 0, vec.size(), 4) + 1 << endl;
return 0;
}
可使用分治法求解的一些经典问题
- 二分搜索
- 大整数乘法
- Strassen矩阵乘法
- 归排序
- 快速排序
- 汉诺塔