最大公约数简便算法_【算法学习】减治 分治 变治

减治 · 分治 · 变治

好久不见，这里依旧是代班的工人~

可能不是很想。。。emmm。。。没关系。。。

最近越学越发觉自己懂得好少。。。

但是最近又好忙好忙。。。

不过如今你们看到了这篇文章，说明我还是挺过来了！鼓掌~

(虽然不知道能不能挺过下周)

那么，趁着我还活着，这次还是带来基础算法的知识

秉持着大神来回顾，小白来学习的原则

让我们开始这期的学习吧！

目录

01.减治法

02.分治法

03.变治法

01

减  治  法

decrease-and-conquer method

普卢塔克说，萨特斯为了告诉他的士兵坚忍和智慧比蛮力更重要的道理，把两匹马带到他们面前，然后让两个人拔光马的尾毛。一个人是魁梧的大力士，他用力地拔了又拔，但一点效果也没有；另一个人是一个精美的、长相矫捷的裁缝，他微笑着，每次拔掉一根毛，很快就把尾巴拔得光秃秃的。

——E. Cobham Brewer，《惯用语和寓言词典》，1898

减治法(decrease-and-conquer method)

减治法采取划分后选择计算的思想，利用一个问题和同样较小规模的问题之间的某种关系进行划分。我们先确立这种关系，然后既可以从顶至下，也可以从底至上地来运用该关系，将大问题分解成小问题来解决，像是层层嵌套。在实际解决的过程中只针对部分子问题进行求解。

减治法有３种主要的变种：

1.减去一个常量 (decrease by a constant)

2.减去一个常数因子(decrease by a constant factor)

3.减去的规模是可变的(variable size decrease)

1.减去一个常量 (decrease by a constant)

在减常量变种中，我们每次从问题规模中减去一个规模相同的常量。(一般来说，这个常量等于一)

(CSDN盗图，别介意~) 

函数f(n) = a^n的求解过程就是一个栗子：

在这里，虽然算法的时间复杂度和蛮力法一致，但是体现的思想却不一样。

其他的栗子还有：

深度优先、广度优先查找，拓扑排序等。这里对拓扑排序稍加介绍。

拓扑排序是指：对一个有向无环图G进行排序，将G中所有顶点排成一个一维线性序列，使得图中任意一对顶点u和v，若边(u,v)∈E(G)，则u在线性序列中出现在v之前(起点在终点之前)。

运用减治法思想的步骤：

1.在有向图中选一个没有前驱的顶点，输出；

2.删除所有和它有关的边；

3.重复上述两步，直至所有顶点输出。

(每次我们只减去常量1，因此当有多个点没有前驱时，只需要随意挑选一个点输出)

比如这样一个图：

再比如这样一个图(其实是同一个图啦)：

我们最终会得到这样的序列：

v6—>v1—>v4—>v3—>v5—>v2；

当然，类似这样的序列也是正确的：

v1—>v6—>v4—>v3—>v5—>v2；

v1—>v3—>v6—>v4—>v5—>v2。。。

这里是要强调选择的随机性。这完全由代码决定。

没什么大问题，下面就到了激动人心的代码环节：

//拓扑排序：寻找图中入度为0的顶点作为即将遍历的顶点，遍历完后，将此顶点从图中删除    #include     using namespace std;    int adjMatrix[105][105];//参数adjMatrix:邻接矩阵    int source [105];    // 参数source:给出图的每个顶点的入度值    int n,m;  //给出图的顶点、边个数    void getSourceSort( ){
            int count = 0;                  //用于计算当前遍历的顶点个数         bool judge = true;        while(judge)    {
                for(int i = 1;i <= n;i++)      {
                    if(source[i] == 0) //当第i个顶点入度为0时，遍历该顶点        {                                    count++;          if (count ";                    if(count==n)cout<                    source[i] = -1;                  //代表第i个顶点已被遍历                    for(int j = 1;j <= n;j++)   //寻找第i个顶点的出度顶点          {
                            if(adjMatrix[i][j] == 1)                            source[j] -= 1;          //第j个顶点的入度减1                     }                }            }            if(count == n)               judge = false;        }    }    //返回给出图每个顶点的入度值    void getSource( ){
            for(int i = 1;i <= n;i++) //若邻接矩阵中第i列含有k个1，则在该列的节点的入度为k，即source[i] = k     {                      int count = 0;            for(int j = 1;j <= n;j++)      {
                    if(adjMatrix[j][i] == 1)                    count++;            }            source[i] = count;        }    }    int main(){
      int a,b;  cin>>n>>m;    for(int i = 1;i <= n;i++)  //初始化邻接矩阵         for(int j = 1;j <= n;j++)            adjMatrix[i][j] =0;    for(int i = 1;i <= m;i++)    {
           cin>>a>>b;       adjMatrix[a][b] = 1;    }    getSource();    getSourceSort( );    return 0;}

2.减去一个常数因子(decrease by a constant factor)

减去常数因子实际上就是把规模除以一个常数。(在多数情况下，这个常数因子是二)

继续以计算f(n)=a^n为栗：

这里的时间复杂度为O (log n)，就比蛮力法优化多了。

对分查找，假币问题都可以用这种思想。我们以假币问题为例：

有n枚银币，其中有1枚是假的，假币重量偏重、偏轻未知，输入银币的重量，求假币的位置。

我们先取出一枚银币作为对照，再将银币分为两半称重，每次称重对比，再从有问题的一堆中继续称重查找。这样，每次我们都减去了常量因子2。

当然，银币总数是奇偶时需要不同的处理方式，在银币数量为偶数时，由于不知道假币偏轻或偏重，我们需要选择一个compare进行对照。

同时，我们还可以把银币分为三堆考虑，进一步优化时间复杂度。(作为代价，代码要考虑总数mode3余1、2、0的情况，同时要比较三堆，会稍稍复杂一些)

Codding time：

//三分法求八枚银币问题#include using namespace std;int coin[105],num;int sum(int left, int right){
        int sum = 0;    for (int i = left; i <= right; i++)        sum += coin[i];    return sum;}int findfake(int left, int right){
      int n=right-left+1;    int p1=(right+left)/3;    int p2=p1*2;    int sign = n % 3;    if (sign == 0)    {
            int fake = 0;        int A, B, C;        A = sum(left,p1);        B = sum(p1+1,p2);        C = sum(p2+1,right);         if (n == 3)        {
                if (A