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
- 该问题的规模缩小到一定的程度就可以容易地解决
- 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。
- 利用该问题分解出的子问题的解可以合并为该问题的解;
- 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
)
=
a
T
(
n
/
b
)
+
f
(
n
)
T(n)=aT(n/b)+f(n)
T(n)=aT(n/b)+f(n)
其中, f ( n ) f(n) 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 ) f(n) f(n)分了三种情况:
推论1 依主定理条件,递推方程为 T ( n ) = a T ( n / b ) + c T(n)= aT(n / b) + c T(n)=aT(n/b)+c,则
当a≠1时,
T
(
n
)
=
Θ
(
n
l
o
g
b
a
)
T(n) = Θ(n^{log_b a})
T(n)=Θ(nlogba)
当a=1时,
T
(
n
)
=
Θ
(
l
o
g
n
)
T(n) = Θ(logn)
T(n)=Θ(logn)
推论2 依主定理条件,递推方程为
T
(
n
)
=
a
T
(
n
/
b
)
+
c
n
T(n) = aT(n / b) + cn
T(n)=aT(n/b)+cn,则
当a>b时,
T
(
n
)
=
Θ
(
n
l
o
g
b
a
)
T(n) = Θ(n^{log_b a})
T(n)=Θ(nlogba)
当a=b时,
T
(
n
)
=
Θ
(
n
l
o
g
n
)
T(n) = Θ(nlogn)
T(n)=Θ(nlogn)
当a<b时,
T
(
n
)
=
Θ
(
n
)
T(n) = Θ(n)
T(n)=Θ(n)
符号说明: Θ Θ Θ是平均时间复杂度, O O O是最坏情况下的复杂度, Ω Ω Ω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