分治算法是啥?
分治算法也有动态规划和贪心算法的概念,动态规划:把大问题分解成一步一步的小问题,递归解决。贪心算法:每次得到局部最优解。
分治算法:把大问题分解成小问题,汇总所有小问题的结果。快排、二分查找都是典型的分治算法。
JDK中的Fork-Join就是一个典型的并行的分治框架。它的主要作用是把大任务分割成若干个小任务,再对每个小任务得到的结果进行汇总,此种开发方法也叫分治编程,分治编程可以极大地利用CPU资源,提高任务执行的效率,也是目前与多线程有关的前沿技术。
493. 翻转对
1、我的解法:
1、用一个map存储所有的数字和其对应的下标数组。
2、其中,如果遇到负数,则直接把其下标加到最后的答案上,并且不存入map;
3、得到map的key,并对其进行逆序排序。
4、left - right > right,用这个方法判断,解决int值溢出,然后得到答案。
5、用了一点小技巧,但还是非常暴力,33 / 137 个通过测试用例。第33个有接近一万个数据,就超时了。
class Solution {
public int reversePairs(int[] nums) {
int daan = 0;
Map<Integer, List<Integer>> map = new HashMap<>();
for (int i = 0; i < nums.length; i++) {
if(nums[i]<0){
daan+=i;
continue;
}
List<Integer> list = !map.containsKey(nums[i]) ? new ArrayList<>() : map.get(nums[i]);
list.add(i);
map.put(nums[i], list);
}
List<Integer> list = new ArrayList<>(map.keySet());
list.sort((o1, o2) -> o2 - o1);
for (int i = 0; i < list.size(); i++) {
int left = list.get(i);
List<Integer> list1 = map.get(left);
for (int j = list.size()-1; j >i; j--) {
int right = list.get(j);
if (left - right > right) {
List<Integer> list2 = map.get(list.get(j));
for (int now : list1) {
for (int now2 : list2) {
if (now < now2) {
daan++;
}
}
}
}else {
break;
}
}
}
return daan;
}
}
2、分治算法求解
public static int reversePairs2(int[] nums) {
int[] buffer = new int[nums.length / 2 + 1];
return reversePairs(nums, buffer, 0, nums.length - 1);
}
/**
* @param nums 数组 排序好后的位置
* @param buffer 辅助存储。记录当前分支的前半部分,排序时,与后半部分
* @param left 左边下标
* @param right 右边下标
* @return
*/
private static int reversePairs(int[] nums, int[] buffer, int left, int right) {
//1、分治算法必备
if (right <= left) return 0;
int count = 0;
int mid = (left + right) / 2;
System.out.println(Arrays.toString(buffer) + " " + Arrays.toString(nums));
int leftPlus = reversePairs(nums, buffer, left, mid);
int rightPlus = reversePairs(nums, buffer, mid + 1, right);
count += leftPlus + rightPlus;
//2、得到本次遍历的返回值(最初从2/3个数据开始遍历)
int i = left;
int j = mid + 1;
int add = 0;
System.out.println(i + " " + j + " " + mid);
//本次遍历的前部分和后部分,分别的结果,都已经加入count中了,所以只需要把前部分分别和后部分的对应内容匹配比较就行了。
while (i <= mid) {
while (j <= right && nums[i] > nums[j] * 2L) {
j++;
}
//j-mid是j移动的距离。-1是当前右边的下标
add += j - mid - 1;
i++;
}
count += add;
//3、排序有利于上面的while操作,即所有较小的,放在前面,较大的放在后面,便于while的结束。
/**
* nums:原数组
* left:从原数组的某个下标位置开始
* buffer:目标数组
* 0:目标数组的起始位置
* mid-left+1:要copy的长度
*/
System.arraycopy(nums, left, buffer, 0, mid - left + 1);
i = 0;
int bright = mid - left;//buffer里面的最大下标
j = mid + 1;
int k = left;
//一个归并分支的前面部分和后面部分排序
while (i <= bright && j <= right) {
//直接插入排序,最终结果,有一部分还是逆序的
//只能保证前面部分对于后面的部分是有序的
if (buffer[i] < nums[j]) {
nums[k++] = buffer[i++];
} else {
nums[k++] = nums[j++];
}
}
while (i <= bright) {
nums[k] = buffer[i];
k++;
i++;
}
//4、返回当前次结果
return count;
}
327. 区间和的个数
题意:连续的数组元素之和,相加的结果 ∈[lower,upper] 就算一个。
分治求解:
package likou;
/**
* @author: Tangxz
* @email: 1171702529@qq.com
* @cate: 2020/11/29 10:38
*/
public class _327 {
public int countRangeSum(int[] nums, int lower, int upper) {
long s = 0;
long[] sum = new long[nums.length + 1];
//当sum[i]-sum[j] ∈ [lower,upper],则算得上是一个解,解的区间为j+1,j+2...i-1,i
for (int i = 0; i < nums.length; ++i) {
s += nums[i];
sum[i + 1] = s;
}
long[] sorted = new long[sum.length / 2 + 1];
return countRangeSumRecursive(sum, sorted, lower, upper, 0, sum.length - 1);
}
public int countRangeSumRecursive(long[] sum, long[] sorted, int lower, int upper, int left, int right) {
if (left == right) {
return 0;
} else {
int mid = (left + right) / 2;
int n1 = countRangeSumRecursive(sum, sorted, lower, upper, left, mid);
int n2 = countRangeSumRecursive(sum, sorted, lower, upper, mid + 1, right);
int ret = n1 + n2;
// 首先统计下标对的数量
int i = left;
int l = mid + 1;
int r = mid + 1;
//区间分为两部分,前面部分i 在后面部分l、r找合适的解
while (i <= mid) {
while (l <= right && sum[l] - sum[i] < lower) {
l++;
}
while (r <= right && sum[r] - sum[i] <= upper) {
r++;
}
ret += r - l;
i++;
}
// 随后合并两个排序数组
System.arraycopy(sum, left, sorted, 0, mid - left + 1);
i = 0;
int bright = mid - left;//buffer里面的最大下标
int j = mid + 1;
int k = left;
//排序有利于上面的while操作,即所有较小的,放在前面,较大的放在后面,便于while的结束。
//一个归并分支的前面部分和后面部分排序
while (i <= bright && j <= right) {
//只能保证前面部分对于后面的部分是有序的,每次这样之后,后面的部分全是有序,前面部分也全部有序
if (sorted[i] < sum[j]) {
sum[k++] = sorted[i++];
} else {
sum[k++] = sum[j++];
}
}
while (i <= bright) {
sum[k] = sorted[i];
k++;
i++;
}
return ret;
}
}
}
细心的小伙伴可以发现,两个题目的分治算法,代码基本上是一致的。难的是组合出分治的数组。比如第二题,分治的数组是经过一系列操作得到的。