说了递归必然要接着聊一下分治思想
分治不能说是具体一种算法,而是一种思想,可以使用到很多问题当中。
概念
分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题,这些子问题相互独立且与原问题性质相同。求出子问题的解,就可得到原问题的解。
(百度百科)
基本思想:将规模较大的问题分割成一些规模较小的相同问题,然后各个击破,分而治之。
当我们求解某些问题时,由于这些问题要处理的数据相当多,或求解过程相当复杂,使得直接求解法在时间上相当长,或者根本无法直接求出。对于这类问题,我们往往先把它分解成几个子问题,找到求出这几个子问题的解法后,再找到合适的方法,把它们组合成求整个问题的解法。如果这些子问题还较大,难以解决,可以再把它们分成几个更小的子问题,以此类推,直至可以直接求出解为止。这就是分治策略的基本思想。(百度百科)
适用条件
- 可分解为较小规模的相同问题
- 规模分解至最小有解
- 分解出的子问题可以合并为大问题的解
- 各个子问题之间是相互独立的。
基本步骤
- 分解:将原问题分解为若干规模较小的相同问题。
- 求解:当问题划分到足够小,可以直接解出。(在求解过程中大都采用了递归的方式)
- 合并:将各个子问题合并为原问题的解。
复杂性分析
假设原问题的规模为n,将问题分解为m个子问题,则每个问题的规模为n/m。再假设每个规模为1的问题耗费单位时间1,分解以及合并问题所消耗的时间为f(n),则时间复杂度为:
递归复杂度判定定理(Master定理)
这部分有点儿难。。。
后面涉及到再讲(学)好嘛?
写到后面看来不行,,,还是得总结(学习)下。
例子几个
二分搜索(折半查找)
二分法是最常见的分治算法,将问题一直进行二分解,划分简单、均匀。二分搜索又是二分法中最常见的例子。
问题描述:在已经排好序的n个元素中找到特定元素。
参考:https://baike.baidu.com/item/%E4%BA%8C%E5%88%86%E6%9F%A5%E6%89%BE/10628618?fr=aladdin
代码实现:
public static int binarySearch(Integer[] srcArray, int des) {
//定义初始最小、最大索引
int start = 0;
int end = srcArray.length - 1;
//确保不会出现重复查找,越界
while (start <= end) {
//计算出中间索引值
int middle = (end + start)>>>1 ;//防止溢出
if (des == srcArray[middle]) {
return middle;
//判断下限
} else if (des < srcArray[middle]) {
end = middle - 1; //容易出错
//判断上限
} else {
start = middle + 1; //容易出错
}
}
//若没有,则返回-1
return -1;
}
算法分析:每次执行while循环,待搜索的数组大小减半。因此,最坏情况O(logn)。
合并排序
问题描述:合并排序法是将两个(或两个以上)有序表合并成一个新的有序表,即把待排序序列分为若干个子序列,每个子序列是有序的。然后再把有序子序列合并为整体有序序列。
参考:https://baike.baidu.com/item/%E5%90%88%E5%B9%B6%E6%8E%92%E5%BA%8F/2669171?fr=aladdin
代码实现:
public static void mergeSort(int[]array){
int length=array.length;
int middle=length/2;
if(length>1){
int[]left=Arrays.copyOfRange(array,0,middle);//拷贝数组array的左半部分
int[]right=Arrays.copyOfRange(array,middle,length);//拷贝数组array的右半部分
mergeSort(left);//递归array的左半部分
mergeSort(right);//递归array的右半部分
merge(array,left,right);//数组左半部分、右半部分合并到Array
}
}
//合并数组,升序
private static void merge(int[]result,int[]left,int[]right){
int i=0,l=0,r=0;
while(l<left.length&&r<right.length){
if(left[l]<right[r]){
result[i]=left[l];
i++;
l++;
}else{
result[i]=right[r];
i++;
r++;
}
}
while(r<right.length){//如果右边剩下合并右边的
result[i]=right[r];
r++;
i++;
}
while(l<left.length){
result[i]=left[l];
l++;
i++;
}
}
时间复杂度:
当 n>1 时,每次进行合并以及分解的操作需要消耗的时间为O(n),因此总结出 T(n) = O(nlogn)
快速排序
问题描述:通过一趟排序将要排序的数据分割成独立的两部分,其中一部分的所有数据都比另外一部分的所有数据都要小,然后再按此方法对这两部分数据分别进行快速排序,整个排序过程可以递归进行,以此达到整个数据变成有序序列。
代码实现:
public static int[] qsort(int arr[],int start,int end) {
int pivot = arr[start];
int i = start;
int j = end;
while (i<j) {
while ((i<j)&&(arr[j]>pivot)) {
j--;
}
while ((i<j)&&(arr[i]<pivot)) {
i++;
}
if ((arr[i]==arr[j])&&(i<j)) {
i++;
} else {
int temp = arr[i];
arr[i] = arr[j];
arr[j] = temp;
}
}
if (i-1>start) arr=qsort(arr,start,i-1);
if (j+1<end) arr=qsort(arr,j+1,end);
return (arr);
}
时间复杂度:T(n) = O(nlogn)
线性时间选择
问题描述:给定含有n个元素的序列和一个整数k,要求找出n个元素中的第k小元素。
参考:https://blog.csdn.net/liufeng_king/article/details/8480430
线性时间选择问题有两种解:随机划分线性时间选择 和 利用中位数线性时间选择
利用中位数进行线性时间选择的时间复杂度:O(n)
循环赛日程表问题
问题描述:设有n=2^k个运动员,要进行网球循环赛。现在要设计一个满足以下要求的比赛日程表
(1)每个选手必须与其他n-1个选手各赛一场
(2)每个选手一天只能赛一次
(3)循环赛一共进行n-1天
参考:https://blog.csdn.net/wly_2014/article/details/51388263
采用分治策略,可将所有参加比赛的选手分成两部分,n=2^k个选手的比赛日程表就可以通过n=2^(k-1)个选手的的比赛日程表来决定。递归的执行这样的分割,直到只剩下两个选手,比赛日程表的就可以通过这样的分治策略逐步构建。