分类刷题1——分治

最新推荐文章于 2024-10-24 23:10:35 发布

路啦路

最新推荐文章于 2024-10-24 23:10:35 发布

阅读量220

点赞数

分类专栏： leetcode

本文链接：https://blog.csdn.net/weixin_42517469/article/details/108051088

版权

本文详细介绍了分治算法的思想、步骤，并列举了多个应用案例，包括多数元素、最大子序和、Pow(x, n)、重建二叉树以及数组中的逆序对问题。通过这些案例，阐述了如何运用分治法解决问题，并分享了个人的经验总结。" 108572387,8535427,VOS服务状态全面检查指南,"['运维', '系统管理', '网络服务', '数据库管理']

摘要由CSDN通过智能技术生成

文章目录

引文

MapReduce（分治算法的应用）是 Google 大数据处理的三驾马车之一，另外两个是 GFS 和 Bigtable。它在倒排索引、PageRank 计算、网页分析等搜索引擎相关的技术中都有大量的应用。

尽管开发一个 MapReduce 看起来很高深，感觉遥不可及。实际上，万变不离其宗，它的本质就是分治算法思想，分治算法。如何理解分治算法？为什么说 MapRedue 的本质就是分治算法呢？

主要思想

分治算法的主要思想是将原问题递归地分成若干个子问题，直到子问题满足边界条件，停止递归。将子问题逐个击破(一般是同种方法)，将已经解决的子问题合并，最后，算法会层层合并得到原问题的答案。

分治算法的步骤

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；

分治法适用的情况

原问题的计算复杂度随着问题的规模的增加而增加。
原问题能够被分解成更小的子问题。
子问题的结构和性质与原问题一样，并且相互独立，子问题之间不包含公共的子子问题。
原问题分解出的子问题的解可以合并为该问题的解。

1. 多数元素

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。

示例 1:
```
输入: [3,2,3]
输出: 3
```
示例 2:
```
输入: [2,2,1,1,1,2,2]
输出: 2
```
解题思路
- 确定切分的终止条件
  
  直到所有的子问题都是长度为 1 的数组，停止切分。
- 准备数据，将大问题切分为小问题
  
  递归地将原数组二分为左区间与右区间，直到最终的数组只剩下一个元素，将其返回
- 处理子问题得到子结果，并合并
  - 长度为 1 的子数组中唯一的数显然是众数，直接返回即可。
  - 如果它们的众数相同，那么显然这一段区间的众数是它们相同的值。
  - 如果他们的众数不同，比较两个众数在整个区间内出现的次数来决定该区间的众数

代码

class Solution(object):
    def majorityElement2(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # 【不断切分的终止条件】
        if not nums:
            return None
        if len(nums) == 1:
            return nums[0]
        # 【准备数据，并将大问题拆分为小问题】
        left = self.majorityElement(nums[:len(nums)//2])
        right = self.majorityElement(nums[len(nums)//2:])
        # 【处理子问题，得到子结果】
        # 【对子结果进行合并 得到最终结果】
        if left == right:
            return left
        if nums.count(left) > nums.count(right):
            return left
        else:
            return right

2. 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。

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。
```
解题思路
- 确定切分的终止条件
  
  直到所有的子问题都是长度为 1 的数组，停止切分。
- 准备数据，将大问题切分为小问题
  
  递归地将原数组二分为左区间与右区间，直到最终的数组只剩下一个元素，将其返回
- 处理子问题得到子结果，并合并
  - 将数组切分为左右区间
    - 对与左区间：从右到左计算左边的最大子序和
    - 对与右区间：从左到右计算右边的最大子序和
  - 由于左右区间计算累加和的方向不一致，因此，左右区间直接合并相加之后就是整个区间的和
  - 最终返回左区间的元素、右区间的元素、以及整个区间(相对子问题)和的最大值

代码

class Solution(object):
    def maxSubArray(self, nums):
        """
        :type nums: List[int]
        :rtype: int
        """
        # 【确定不断切分的终止条件】
        n = len(nums)
        if n == 1:
            return nums[0]

        # 【准备数据，并将大问题拆分为小的问题】
        left = self.maxSubArray(nums