c语言求解中位数分治,数据结构和算法躬行记（7）——分治算法

分治算法(Divide-and-Conquer Algorithm)，就是分而治之，把一个复杂问题分成两个或更多个相同或相似的子问题，直到最后子问题可以简单的直接求解，原问题的解即子问题的解的合并。

分治算法比较适合用递归来实现，而每一层递归都会涉及三个操作：

(1)分解：将原问题分解为若干个规模较小，相对独立，与原问题形式相同的子问题，缩小问题规模。

(2)求解：若子问题规模较小且易于解决时(找出基线条件)，则直接解。否则，递归地解决各子问题。其中基线条件(base case)通常是数组为空或只包含一个元素。

(3)合并：将各子问题的解合并为原问题的解。

分治算法是一种处理问题的思想和技巧，是很多高效算法的基础，例如排序算法(归并和快排)、最大公因数等。

LeetCode的169. 多数元素，可将数组一分为二，左边递归最大值(left)，右边也一样(right)，当两者相同，就是找到了；当不同时，比较谁的计数多。

与动态规划不同，分治算法分解的子问题可以独立求解，并且它们之间没有相关性。

在《剑指Offer》一书中曾提到，解决复杂问题的3种方法：

(1)画图，涉及链表、二叉树等数据结构时，画几张草图，可将隐藏的规律变得直观。

(2)举例，将抽象问题具体化，模拟运行过程，说不定能发现其中规律。

(3)分解，如果问题很大，则尝试把大问题分解成小问题，然后递归解决，分治法、动态规划等方法都是分解复杂问题的思路。

一、归并排序

利用递归与分治技术将数据序列划分成越来越小的半子表，再对半子表排序，最后用递归方法将排好序的半子表合并成为越来越大的有序序列，如下所示，思路如图8所示。

functionmergeSort(arr) {

let len=arr.length;//基线条件

if (len < 2) {returnarr;

}//分解

let middle = Math.floor(len / 2),

left= mergeSort(arr.slice(0, middle)),

right=mergeSort(arr.slice(middle));//合并

returnmerge(left, right);

}functionmerge(left, right) {

let result=[];//求解

right.length) {//小的在左，大的在右

if (left[0] <= right[0]) {

result.push(left.shift());

}else{

result.push(right.shift());

}

}(left.length)

result.push(left.shift());(right.length)

result.push(right.shift());returnresult;

}

图 8

面试题51 数组中的逆序对。先统计子数组中的逆序对，然后统计两个相邻数组之间的逆序对，在统计的过程中还需要对数组进行归并排序。

二、快速排序

采用“分而治之”的思想，把大的拆分为小的，小的再拆分为更小的。

将原序列分为两部分，其中前一部分的所有记录均比后一部分的所有记录小，然后再依次对前后两部分的记录进行快速排序，递归该过程，直到序列中的所有记录均有序为止。

代码实现如下所示，思路如图9所示。

functionquickSort(arr) {var length =arr.length;//基线条件

if (length <= 1) {returnarr;

}var base = arr[0],

left= [], //保存小于基准元素的记录

right = []; //保存大于基准元素的记录

//求解

for (let i = 1; i < length; i++) {if (base > arr[i]) { //放入左边数组

left.push(arr[i]);

}else { //放入右边数组

right.push(arr[i]);

}

}//分解

left =quickSort(left);

right=quickSort(right);//合并

returnleft.concat([base], right);

}

图 9

面试题39 数组中出现次数超过一半的数字。问题转换为查找中位数，受快速排序的启发，当基准值的下标刚好是n/2时，那么就是中位数，否则在另外两部分中查找。

面试题40 最小的 k 个数。采用快速排序思想，基于数组第 k 个数字来调整，比 k 个数小的在左边，大的在右边。