1. 分治算法思想
分治算法可行的前提是一个大问题的分解后的小实例是可以求解的。
- 分:把大问题分解为两个或者更少的实例。
- 治:分别解决每个小实例。
- 组合:把所有小实例的解组合成问题的解。
2. 实例:幂次方运算
对x的幂次数n进行分治:
x
n
=
x
m
i
d
×
x
n
−
m
i
d
=
x
⌊
n
/
2
⌋
×
x
n
−
⌊
n
/
2
⌋
(1)
x^n = x^{mid}\times x^{n-mid}=x^{\lfloor n/2 \rfloor} \times x^{n-\lfloor n/2 \rfloor}\tag{1}
xn=xmid×xn−mid=x⌊n/2⌋×xn−⌊n/2⌋(1)
c++ 程序代码实现如下:
#include<iostream>
using namespace std;
int myPower(int x, int n)
{
// 治
if(n == 0) return 1;
if(n == 1) return x;
if(n == 2) return x*x;
// 分
int mid = n / 2;
int sub1_n = mid;
int sub2_n = n - mid;
int r1 = myPower(x, sub1_n);
int r2 = myPower(x, sub2_n);
// 组合
return r1*r2;
}
int main()
{
cout << myPower(2, 5) << endl;
}
运行结果是 32;
参考LeetCode 50上的题目修改和优化这个代码,使其能够计算浮点数的幂次方,以及负数次幂。
改进地方有:降低治部分内容,将其按偶次幂和奇次幂两种情况进行组合,从而进一步降低其时间复杂度。
double quickMul(double x, long long N)
{
// 治
if(N == 0) return 1.0;
// 分
int mid = N / 2;
double y = quickMul(x, mid);
// 组合 (按奇数次幂和偶数次幂两种情况组合)
return N % 2 == 0 ? y * y : y * y * x;
}
double myPower(double x, int n)
{
long long N = n;
return N >= 0 ? quickMul(x, N) : 1.0 / quickMul(x, -N);
}
3. 时间复杂度分析
本部分分析将会使你明白,为什么公式(1)的分治算法比连乘的幂次运算的时间复杂度更低。
3.1 连乘法的时间复杂度
将 x × x x\times x x×x的时间复杂度看做是 O ( 1 ) O(1) O(1),那么 x n = x × x × . . . × x x^n=x\times x \times ... \times x xn=x×x×...×x的时间复杂度就是 O ( n ) O(n) O(n)
3.2 分治法的时间复杂度
公式(1)的 运行时间是: T ( n ) = 1 × T ( n / 2 ) + Θ ( 1 ) (2) T(n) = 1 \times T(n/2)+\Theta(1) \tag{2} T(n)=1×T(n/2)+Θ(1)(2)
- 第一部分 1 × T ( n / 2 ) 1 \times T(n/2) 1×T(n/2)是分的计算量,其中因子1表示意思是通过Divide(分)办法计算 x n = x n / 2 × x n / 2 x^n=x^{n/2}\times x^{n/2} xn=xn/2×xn/2时,只需计算二分后的一半,即只需计算一个 x n / 2 x^{n/2} xn/2 .
- 第二部分
Θ
(
1
)
\Theta(1)
Θ(1)表示的是“治”部分的计算量,即
x
×
x
x\times x
x×x.
递推式(2)计算得 T ( n ) = log 2 n T(n) = \log_2^n T(n)=log2n, 计算方法见参考文献[1].
3.3 结论
显然, T ( n ) = log 2 n T(n) = \log_2^n T(n)=log2n 是小于 O ( n ) O(n) O(n)的,即分治法的时间复杂度更低。
参考文献
[1]. https://www.bilibili.com/video/BV1Kx411f7bL?p=2
[2]. [美]萨特吉-萨尼,数据结构、算法与应用c++语言描述.机械工业出版社.2015.03