分治概念——以二分查找为例

上次总结递归问题时发现全部总结在一起篇幅太长，所以这次先梳理概念，然后分别分析实现分治的经典算法。

分治概念

分治：分而治之，经过分解，解决，合并三个过程。

分解（Divide）：将原问题分解为子问题
解决（Conquer）：求解子问题
合并（Combine）：组合子问题的解得到原问题的解

使用条件：
问题的规模缩小到一定程度就可以容易地解决
问题可以分解为若干个规模较小的相同问题（分了有意义），最优子结构性质（可以由小问题的最优解得到原问题的最优解，不然分了干嘛）
问题所分解出的各个子问题是相互独立

在分解问题时，要注意使子问题规模尽量相近，也就是所谓平衡。

以二分查找为例

问题：在已排好序的数组中寻找特定元素
分解：检查中间元素
解决：递归搜索子数组
合并：子问题的解就是原问题的解，故无需合并

JAVA:

public class Array {
	int[] n;
	int binarySearch(int num) {
			return binarySearch(0, n.length - 1, num);
	}
	int binarySearch(int left, int right, int num) {
		if(left > right) return -1;
		int mid= (left + right) / 2;
		if(n[mid] == num) return mid;
		else if(n[mid] > num) return binarySearch(left, mid - 1, num);
		else return binarySearch(mid + 1, right, num);		
	}
	public static void main(String[] args) {
		Array arr = new Array();
		arr.n = new int[20];
		for(int i =0; i < 20; i++) {
			arr.n[i] = i*2+1;
		}
		int ans = arr.binarySearch(17);
		System.out.println(ans);
	}
}

分析:T(n) = T(n / 2) +O(1)；因为子问题的解决（主要是比较）和合并（不需要合并子问题的解）操作为O(1)。
故其时间复杂度为O(logn)。

此篇主要是对分治概念的系统梳理，接下来会对一些经典的分治算法进行分析和实现，包括：
求a^n 和 求矩阵^n
最大元最小元问题
最近点对问题，求树中最近的两个叶节点的距离
众数问题
逆序对问题
timsort
不无聊序列
实现后会把链接附上。