算法设计学习笔记（五）分治策略

---

前言

本文是对于算法设计的学习笔记，如有错误，请不吝赐教。

---

一、分治策略

分治策略涉及一类算法设计技术，其中人们把输入分成若干部分，递归的求解每个部分的问题，然后把这些子问题组合成为一个全局的解。

二、归并排序算法

2.1 归并排序算法

将输入分成大小相等的两半，通过递归在这两部分分别求解两个子问题；然后把这个两个结果组合成一个全局的解，对于初始划分以及最后的组合只用线性时间。

运行时间分析：T（n）表示规模为n的实例上最坏运行时间
而递归调用满足以下关系：
T（n）<=2T(n/2)+cn
T（2）<=c

2.2 递推式的求解

1.展开递推式

2.将解带入归并排序的递推式（将Tn=onlogn带入）

3.使用部分替换的方法
即我们相信Tn=Onlogn，但我们不确定O记号内部的常数。通过设置Tn<=knlogbn来带入。

2.3 更多递推关系

更一般的递推式：

对于q>2个子问题的情况：

对于q=1的情况：


我们可以简要分析q在其中的影响意义。可以发现当q=1时，执行时间是线性的，而q>2是，他是被递归底部常数规模的子问题上的工作来支配的，而q=2就是一个边界，表示每层的工作量都是相同的。

2.4 拓展递推关系

讨论最后一个递推式 Tn<=2T（n/2）+O（n^2）
相关问题：把输入分成相等的两部分，用递归求解这两个部分的子问题，然后将结果组合成一个整体的解，其中初始的划分与最后的组合用平方时间

通过展开递归可得Tn=O（n^2）

三、计数逆序

3.1 问题

此处考虑一个在排名分析中产生的问题。（匹配与你类似口味的人）
该问题是对于两个排名进行比较的问题。如何判断两个排名的相似度是一个问题。其中一个比较自然的指标是次序出错。
如：

3.2 算法设计

针对这个问题最简单的方式就是检查每对数，但需要O（n^2）
为了降低所需时间，采用分治法的策略。
即将表分成两部分，递归求逆序数

算法：

Merge-and-Count(A,B)
current指针，指向首元素
count计数逆序的个数
While两个表都不空
令ai与bi都是有current指针指向的元素
把两个中较小的计入到输出表
if bi较小 then
 count+a中的剩余元素数
endif
current指针移动
endwhile
如果表为空，则把另一个表剩余的所有元素加到输出中
返回count和合并后的表

Sort-and-Count（L）
if 这表由一个元素 then
没有逆序
else 
把表划分成两半A，B
（ra，A）=sort-and-count(A）
（rb，B）=sort-and-count(B）
（r，L）=sort-and-count(A，B）
endif
返回r=ra+rb+r以及拍好的表L

此时递推公式满足5.1
所以为O（nlogn）

四、找最邻近的点对

4.1 问题

寻找最邻近的点对是一个最自然的算法问题，能够运用在许多领域如图形学，计算机视觉、地理信息系统以及分子建模的。
给定平面上的n个点，找最邻近的一对点。

4.2 设计算法

通过将点集分成左右半边，然后寻找左半边最邻近的点以及右半边最邻近的点，然后再在全局中寻找来在线性时间内得到全局的解。


通过上述命题能够减少问题的规模


此处提醒了我们可以对点的y坐标也进行排序，从而找到相遇y的最近的十五个点之间的距离。

Closet-Pair(P)
构造px,py Onlogn
p0*,p1*=closet-Pair-Rec(Px,Py)

closet-pair-rec(px,py)
if(|p|<=3 then
度量两点间的距离找出最近的点对。
endif

构造Qx,Qy,Rx,Ry (On 时间）
q0*,q1*=closet-Pair-Rec(Qx,Qy)
r0*,r1*=closet-Pair-Rec(Rx,Ry)
 
θ=min（d（q0*,q1*），d（r0*,r1））
x*=集合Q中的最大x坐标
L={（x,y）,x=x*}
S=P与L相聚θ的距离内的点集

构造Sy O（n）
for Sy中的每个点 计算从s到跟着Sy的15个点钟的每个距离
令s,s'是最小距离点对  O（n）

if d(s,s')< θ then
return s,s'
else if d(q0'q1*)<d(r0',r1*) then
return q0,q1
else 
return r0,r1
endif

算法的运行时间为Onlogn

五、整数乘法

5.1 问题

计算两个整数的相乘

5.2 算法设计

将x,y两个数分别分成高位和低位两个部分（此处假设为2进制）

此时递推公式为T（n）=4T（n/2）+cn

此时可以通过乘法的法则来讲子问题改为3个。

Recursive-Miltiply（x,y）
x=x1*2^n/2+x0
y=y1*2^n/2+y0
计算x1+x0 与y1+y0
p=Recursive-Miltiply(x1+x0,y1+y0)
x1y1=Recursive-Miltiply(x1,y1)
x1y1=Recursive-Miltiply(x0,y0)
return x1y1*2^n+(p-x1y1-x0y0)*2^n/2+x0y0

六、卷积与快速傅里叶变换

6.1 问题

卷积：

或者：

然后通过沿对角线（副对角线）求和来获得卷积向量中的坐标
对于两个不同长度的向量am和bn，a*b为一个有m+n-1个坐标的向量。坐标k为

相关卷积的应用：1.多项式的乘积 2.信号处理（平滑操作） 3.组合直方图

快速傅里叶变换（FFT）：在数值序列的分析中有着广泛的进一步应用。

6.2 算法设计

多项式差值：任何d阶多项式可以由它在任何一组d+1个或者更多的点上的值重新构造出来。
如何将多项式的值分为两个大小相等的问题——多项式的奇偶项。

对于i)中的2n个密切相关的值，可以采用单位1的复数根。（？）