算法：分治法

最新推荐文章于 2024-04-27 21:42:11 发布

ymy_forever

最新推荐文章于 2024-04-27 21:42:11 发布

阅读量598

点赞数 1

分类专栏：算法文章标签：算法分治算法

算法专栏收录该内容

4 篇文章 0 订阅

订阅专栏

1. 分治法概述（Dived and Conquer）

步骤：

Dived：将一个问题分解为若干个子问题
Conquer：解决子问题
Combine：将子问题
eg:归并排序

2. 二分查找（Binary Search）

Divde：与中间元素比较
Conquer：在数组的一边查递归
Combine：无

3. 乘方问题

计算x的n次方。
这里很容易想到 $x^n=x^\frac{n}{2}\times x^\frac{n}{2}$ ，由于n可能为奇数或偶数，当n为奇数的情况下，需要令 $x^n=x^\frac{n-1}{2}\times x^\frac{n-1}{2} \times x$ 。使其满足分治的特点。

4. 斐波那契数列

4.1 自下而上递归求解

斐波那契数列的定义是Fn=Fn-1+Fn-2，因此人们直观地对其自上而下采用递归求解，但会造成大量重复计算，因此采用自下而上的计算方法，就省去了重复计算的步骤，达到线性时间复杂度。这里其实有动态规划内味了。

4.2 平方递归算法

时间复杂度为θ(logn)，由于上述的自下而上递归求解。
在这里插入图片描述
这里很容易理解，对于左上角的值，其下一项的值为Fn-1+Fn，满足Fn+1=Fn-1+Fn。但它的时间复杂度为什么降低了呢？

5. 矩阵乘法

5.1 矩阵分块

A、B为n*n的矩阵，需要计算两者的乘积，可以将每个矩阵划分为4部分再进行计算，
在这里插入图片描述
运算的规模就变成了每个n/2和n/2的矩阵递归相乘，时间复杂度仍为n3。与对大小为n的矩阵直接相乘复杂度相同（需要三次循环嵌套）。

5.2 Strassen 算法

O(n)=kO(n/2)，则O(n)log2n次方。
该算法将乘法缩减到了7次，使得时间复杂度降低为O( $n^{2.81}$ )

Divide：将A、B分解成7个P
Conquer：计算7个P的值
组合计算r,s,t,u

在这里插入图片描述

6. VLSI问题

计算完全二叉树最小面积问题。
在这里插入图片描述
将常见的自顶向下的画法换为此种分治方法，时间复杂度降低。

7. 最大子序和问题（LeetCode）

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。
进阶:
如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。
来源：力扣（LeetCode）
链接：https://leetcode-cn.com/problems/maximum-subarray
著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。

这道题要决定如何分治其实不简单，但总的思路是将数组分成左右两部分，具有最大和的连续子数组，可能在左子数组、右子数组、或两部分都包括。因此，问题的关键在于如何表示横跨两个数组的具有最大和的连续子数组。对于该情况，可以用以左子数组右端点为终点向左的具有最大和的连续数组与右子数组左端点为起点向右的具有最大和的连续数组之和表示。

综上，在递归中要维护如下几个变量：

以左端点为起点的最大子段和
以右端点为终点的最大子段和
整个数组的最大字段和
整个数组的区间和

代码如下：

class Solution {
public:
    struct status{
        int l2r,lmax,rmax,maxnum;
    };
    status get(vector<int>& nums,int la,int lb){
        if(la==lb){
            return status{nums[la],nums[la],nums[la],nums[la]};
        }
        else{
            int mid = (la+lb)/2;
            status lstatus = get(nums,la,mid);
            status rstatus = get(nums,mid+1,lb);
            int l2r = lstatus.l2r+rstatus.l2r;//区间和等于左右两子数组区间和之和
            int lmax = max(lstatus.lmax,lstatus.l2r+rstatus.lmax);//以左端点为起点的最大字段和长度
            int rmax = max(rstatus.rmax,lstatus.rmax+rstatus.l2r);//以右端点为终点的最大字段和长度
            int maxnum = max(max(lstatus.maxnum,rstatus.maxnum),lstatus.rmax+rstatus.lmax);//数组的最大字段和长度
            return status{l2r,lmax,rmax,maxnum};
        }

    }
    int maxSubArray(vector<int>& nums) {
        return get(nums,0,nums.size()-1).maxnum;
    }
    
};