1.基本思路
将无法直接解决的大问题,分解成n个足够小问题,即可以轻易解决的子问题,然后进行逐个求解。在这样的情况下,我们可以使用递归,可以轻易的将大问题分解成小问题,而一般递归回溯的条件,往往就是子问题可以求解的时候。
2.分治使用场景
分治法所能解决的问题一般具有以下几个特征:
1) 该问题的规模缩小到一定的程度就可以容易地解决
2) 该问题可以分解为若干个规模较小的相同问题,即该问题具有最优子结构性质。
3) 利用该问题分解出的子问题的解可以合并为该问题的解;
4) 该问题所分解出的各个子问题是相互独立的,即子问题之间不包含公共的子子问题。
第一条特征是绝大多数问题都可以满足的,因为问题的计算复杂性一般是随着问题规模的增加而增加;
第二条特征是应用分治法的前提它也是大多数问题可以满足的,此特征反映了递归思想的应用;、
第三条特征是关键,能否利用分治法完全取决于问题是否具有第三条特征,如果具备了第一条和第二条特征,而不具备第三条特征,则可以考虑用贪心法或动态规划法。
第四条特征涉及到分治法的效率,如果各子问题是不独立的则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然可用分治法,但一般用动态规划法较好。
3.步骤
- 分解:将问题划分为一些子问题,子问题与原问题形式一样,只是规模更小
- 解决:递归求解子问题,当子问题足够小的时候
- 合并:将子问题的解合并成原问题的解
5.举例
解决最大子数组问题: 如果使用暴力枚举的方法,那么时间复杂度将会达到O(N^2),但如果使用分治算法,则会快许多
/*
最大子数组问题,如:求取最大股票区间
*/
#include <iostream>
#include <cstdio>
using namespace std;
#define N 16
typedef int* pint;
pint findMaxCrossingSubArray(int A[], int low, int mid, int hight){
int sum = 0;
int lsum = 0x80000000;
pint lrIndex_sum = new int[3];
for(int i=mid; i>=low; i--){
sum = sum + A[i];
if(sum > lsum){
lsum = sum;
lrIndex_sum[0] = i;
}
} sum = 0;
int rsum = 0x80000000;
for(int i=mid+1; i<=hight; i++){
sum = sum + A[i];
if(sum > rsum){
rsum = sum;
lrIndex_sum[1] = i;
}
} lrIndex_sum[2] = lsum + rsum;
return lrIndex_sum;
}
/*
* 分三段
* mid之前
* mid之后
* mid为中心
*/
pint findMaxImumSubArray(int A[], int low, int hight){
if(low==hight){
pint index_sum = new int[3];
index_sum[0] = low;
index_sum[1] = hight;
index_sum[2] = A[low];
return index_sum;
} //递归结束标志
int mid = (low+hight) / 2;
pint lIndex_sum = findMaxImumSubArray(A, low, mid);
pint rIndex_sum = findMaxImumSubArray(A, mid+1, hight);
pint cIndex_sum = findMaxCrossingSubArray(A, low, mid, hight);
if((lIndex_sum[2]>=rIndex_sum[2]) && (lIndex_sum[2]>=cIndex_sum[2])){
delete rIndex_sum;
delete cIndex_sum;
return lIndex_sum;
} else if((rIndex_sum[2]>=lIndex_sum[2]) && (rIndex_sum[2]>=cIndex_sum[2])){
delete lIndex_sum;
delete cIndex_sum;
return rIndex_sum;
} else{
delete lIndex_sum;
delete rIndex_sum;
return cIndex_sum;
}
}
int main(){
int A[N] = {13,-3,-25,20,-3,-16,-23,18,20,-7,12,-5,-22,15,-4,7};
pint index_sum = findMaxImumSubArray(A, 0, N-1);
printf("lowIndex: %d\nhightIndex: %d\nsum: %d\n",
index_sum[0], index_sum[1], index_sum[2]);
delete index_sum;
return 0;
}
6.递归式
具体的时间复杂度表达式要看如何进行递归划分
方法:代入法,递归树法,主方法