分治算法及leetcode练习

分治算法及leetcode练习

一、分治算法

1.主要思想

分治法是基于多项分支递归的一种很重要的算法范式。字面上的解释是“分而治之”，就是把一个复杂的问题分成两个或更多的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。这个技巧是很多高效算法的基础，如排序算法（快速排序、归并排序）、傅立叶变换（快速傅立叶变换）。

2.适用场景

1. 该问题的规模缩小到一定的程度就可以容易地解决
2. 该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质。
3. 利用该问题分解出的子问题的解可以合并为该问题的解；
4. 该问题所分解出的各个子问题是相互独立的，即子问题之间不包含公共的子子问题。

第一条特征是绝大多数问题都可以满足的，因为问题的计算复杂性一般是随着问题规模的增加而增加；

第二条特征是应用分治法的前提，也是大多数问题可以满足的，此特征反映了递归思想的应用；（最优子结构指问题的最优解包含子问题的最优解。反过来就是，可以通过子问题的最优解，推导出问题的最优解）

第三条特征是关键，能否利用分治法完全取决于问题是否具有第三条特征，如果具备了第一条和第二条特征，而不具备第三条特征，则可以考虑用贪心法或动态规划法。

第四条特征涉及到分治法的效率，如果各子问题不独立，则分治法要做许多不必要的工作，重复地解公共的子问题，此时虽然可用分治法，但一般用动态规划法较好。

3.步骤

分：递归地将问题分解为各个的子问题(性质相同的、相互独立的子问题)；
治：将这些规模更小的子问题逐个击破；
合：将已解决的子问题逐层合并，最终得出原问题的解；

二、主定理

主定理提供了分治方法带来的递归表达式的渐近复杂度分析。对于一个规模为𝑛的问题，我们把它分为𝑎个子问题，每个子问题规模为𝑛/𝑏。那么这种方法的复杂度𝑇(𝑛)可以表示为：
$$T(n)=aT(n/b)+f(n）$$

其中，$f(n)$是将原问题分解成子问题和将子问题的解合并成原问题的解的时间。主定理对$f(n)$分了三种情况：

推论1 依主定理条件，递推方程为 $T(n)=aT(n/b)+c$，则

当a≠1时，$T(n)=\Theta (n^{lo{g}_{b}a})$
当a=1时，$T(n)=\Theta (logn)$
推论2 依主定理条件，递推方程为$T(n)=aT(n/b)+cn$，则

当a>b时，$T(n)=\Theta (n^{lo{g}_{b}a})$
当a=b时，$T(n)=\Theta (nlogn)$
当a<b时，$T(n)=\Theta (n)$

符号说明：$\Theta$是平均时间复杂度，$O$是最坏情况下的复杂度，$\Omega$是最好情况下的复杂度。

三、leetcode练习

1.题目169 寻找多数元素

多数元素（绝对众数）表示在一个数组中出现次数最多，并且出现次数 > 数组总长度的一半的元素。

题目描述：给定一个大小为 n 的数组，找到其中的众数。众数是指在数组中出现次数大于 [n/2] 的元素。你可以假设数组是非空的，并且给定的数组总是存在众数。

class Solution:

    def findMajorityElement(self, nums: list) -> int:
        if len(nums) == 1:
            return nums[0]
        left = self.findMajorityElement(nums[:len(nums)//2])
        right = self.findMajorityElement(nums[len(nums)//2:])
        if left == right:
            return left
        elif nums.count(left) > nums.count(right):
            return left
        else:
            return right

2.题目53 最大子序和

题目描述：给定一个整数数组nums，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。

class Solution:
    def maxSubArray(self, nums: list) -> int:
        if len(nums) == 1:
            return nums[0]

        left = self.maxSubArray(nums[:len(nums)//2])
        right = self.maxSubArray(nums[len(nums)//2:])

        max_l = nums[len(nums)//2-1]
        temp = 0
        for i in range(len(nums)//2-1, -1, -1):
            temp = temp + nums[i]
            max_l = max(max_l, temp)

        max_r = nums[len(nums)//2]
        temp = 0
        for i in range(len(nums)//2, len(nums)):
            temp = temp + nums[i]
            max_r = max(max_r, temp)

        return max(left, right, max_l+max_r)

3.题目50 Pow(x,n)

题目描述：实现pow(x, n)，即计算 x 的 n 次幂函数。

class Solution:
    def myPow(self, x: float, n: int) -> float:
        if n < 0:
            x = 1/x
            n = -n

        if n == 0:
            return 1

        half = self.myPow(x, n//2)
        if n % 2 == 0:
            return half*half
        else:
            return x*half*half

参考：https://github.com/datawhalechina/team-learning