常见算法之《分治算法》

背景：本文以分治算法代码实例来简单梳理分治算法实现的几个关键步骤

分治算法使用条件：
1、能拆分成子问题，且子问题小到一定规模是容易解的
2、子问题的解直接合并可以得到原问题的解

原则上满足以上两个条件即可用分治算法。
如果子问题之间相互独立则考虑分治算法，不独立则考虑用能否满足动态规划算法条件，动态规划可提高算法效率，因为动态规划算法可以保存子问题结果，减少计算。

编程题为 leetcode “连续数列”：

给定一个整数数组，找出总和最大的连续数列，并返回总和。
示例：
输入： [-2,1,-3,4,-1,2,1,-5,4]
输出： 6
解释： 连续子数组 [4,-1,2,1] 的和最大，为 6。

来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/contiguous-sequence-lcci

完整代码如下：

    // 分治法
    int maxSubArray(vector<int>& nums)
    {
        if(nums.size() == 0) return INT_MIN;
        return divide(nums,0,nums.size()-1);
    }
    int divide(vector<int>& nums, int left, int right)
    {
        if(left == right) return nums[left];
        int mid = (left + right) / 2;
        // 1. 最大数列和在左边
        int sumLeft = divide(nums,left,mid);
        // 2. 最大数列和在右边
        int sumRight = divide(nums,mid+1,right);
        // 3. 最大数列和在中间
        // 先求左边的最大和
        int leftSum = 0,leftMaxSum = INT_MIN;
        for(int i = mid; i >= left; i--)
        {
            leftSum += nums[i];
            leftMaxSum = max(leftMaxSum,leftSum);
        }
        // 求右边的最大和
        int rightSum = 0,rightMaxSum = INT_MIN;
        for(int i = mid + 1; i <= right; i++)
        {
            rightSum += nums[i];
            rightMaxSum = max(rightMaxSum,rightSum);
        }
        return max(max(sumLeft,sumRight),leftMaxSum+rightMaxSum);
    }

作者：yang-zi-ju-2
链接：https://leetcode-cn.com/problems/contiguous-sequence-lcci/solution/fen-zhi-he-dong-tai-gui-hua-liang-chong-jie-fa-by-/
来源：力扣（LeetCode）

分治算法通用算法公式：
1、子问题达到一定规模时容易解，直接返回解

if(left == right) 
	return nums[left];

2、子问题划分，一般是二分法

int mid = (left + right) / 2;
// 1. 最大数列和在左边
int sumLeft = divide(nums,left,mid);
// 2. 最大数列和在右边
int sumRight = divide(nums,mid+1,right);

3、子问题合并成原问题的解

return max(max(sumLeft,sumRight),leftMaxSum+rightMaxSum);

因为合并时还要考虑解可能是跨越左右子数组的，所以加上计算跨越左右子数组的最大值

int leftSum = 0,leftMaxSum = INT_MIN;
for(int i = mid; i >= left; i--)
{
    leftSum += nums[i];
    leftMaxSum = max(leftMaxSum,leftSum);
}
// 求右边的最大和
int rightSum = 0,rightMaxSum = INT_MIN;
for(int i = mid + 1; i <= right; i++)
{
    rightSum += nums[i];
    rightMaxSum = max(rightMaxSum,rightSum);
}

再梳理一下伪代码，一般函数入参为3个，第一个是原问题数据，第二和第三分别是子问题边界

int divide(vector<int>& input, int left, int right) {
	// 子问题达到一定规模时容易解，直接返回解
	if (可解子问题边界条件) {
		return 解;
	}
	// 子问题划分，一般是二分法
	int leftAns = divide(input， left， (left+right)/2);
	int rihgtAns = divide(input， (left+right)/2 + 1， right);
	int otherAns = ...; //其他可能最有解
	// 子问题合并成原问题的解
	return 选最优{leftAns, rihgtAns, otherAns}
}