【算法】减治法详解

一、减治法概述

分治法是将一个大问题划分为若干个子问题,分别求解后将子问题的解进行合并得到原问题的解。减治法同样是讲一个大问题划分为若干个小的子问题,但是这些子问题不需要分别求解,只需要求解其中一个子问题便可,因此也不需要对子问题进行合并,可以说,减治法是一种退化版的分治法。

设计思想
减治法将原问题分解为若干个子问题,并且原问题的解和子问题的解之间存在某种确定的关系。一般存在两种情况:

  • 原问题的答案存在于其中一个子问题中
  • 原问题的答案和子问题的答案存在某种联系

简单事例:两个序列的中位数
问题描述:
一个长度为n的升序序列S中位于其n/2处的元素称之为S的中位数。现在有两个等长的升序序列A和B,求这两个序列的中位数。

基本思想:

  1. 分别求出两个序列的中位数,记作a和b
  2. 比较a和b,有下列三种情况:
    • a=b,则a就是两个序列的中位数
    • a<b,证明中位数只能出现在a和b之间,序列S1抛弃a之前的元素,序列S2抛弃b之后的元素
    • a>b,证明中位数只能出现在b和a之间,序列S2抛弃b之前的元素,序列S1抛弃a之后的元素
  3. 重复上述过程,直到两个序列中只有一个元素,则较小者就是所求元素。

算法分析
由于每次求完两个序列的中位数后, 得到的两个子序列大多是原来长度的一半,因此循环执行nlog2n次,时间复杂度为O(nlog2n)。空间复杂度为O(1)

二、查找问题中的分治法

2.1 折半查找

折半查找又称为二分查找,只适用于有序的顺序表。其特点是将顺序表划分为一颗区间二叉树。该算法只适用于顺序存储结构,不适用于链式存储结构,并且要求元素关键字有序排列。

折半查找李永乐序列有序的特变,首先取序列中间记录作为比较对象,那如果给定值和中间值相等则查找成功;如果给定值小于中间记录,则在中间记录的左半区继续查找;如果给定值大于中间记录,则在中间记录的右半区继续查找。重复上述步骤知道查找成功。

平均时间复杂度为O(log2n)。但是折半查找的速度不一定比顺序查找快

查找判定树
二分查找的过程可以构造出一个查找判定树
在这里插入图片描述
当low和high之间有奇数个元素,则mid分割后,左右两部分元素相等;
当low和high之间有偶数个元素,则mid分割后,左半部分比右半部分少一个元素

因此,在判定树中,如果 m i d = ⌊ ( l o w + h i g h ) / 2 ⌋ mid=\lfloor(low+high)/2\rfloor mid=⌊(low+high)/2,则右子树结点数-左子树结点数=0或者1;,如果 m i d = ⌈ ( l o w + h i g h ) / 2 ⌉ mid=\lceil(low+high)/2\rceil mid=⌈(low+high)/2,则左子树结点数-右子树结点数=0或者1

折半查找判定树一定是平衡二叉树,并且只有最下面一层是不满的,因此元素个数为n的时候树高为 ⌈ l o g 2 ( n + 1 ) ⌉ \lceil log_2(n+1)\rceil log2(n+1)⌉。n个元素的判定树的失败节点有n+1个

折半查找每和待查找值比较一次,剩下的待查找元素就减少一半,将原问题不断缩减成规模更小的问题,并且不需要进行合并,因此折半查找属于减治法的成功应用。

2.2 二叉查找树

定义

左子树上的结点都小于根节点、所有右子树都大于根节点
使用中序遍历可以得到一个递增的有序序列

查找具体值的代码实现

从根节点开始,如果小于根节点则往左走,大于根节点则往右走,其路径是不会出现分叉的,也就是说,对BST的查找是不会出现回溯的

// 查找二叉排序树具体结点
BiTree *BST_Search(BiTree t, int v){
    while (t!=NULL){
        if (t.data>v){
            t=t.rchild;
        }else if (t.data < v){
            t = t.rchild;
        }else{
            return t;
        }
    }
    return t;
}

// 查找二叉排序树具体结点(递归)
BiTree *BST_Search1(BiTree t, int v){
    if (t==NULL || t.data==v){
        return t;
    }
    if (t.data < v){
        BST_Search1(t.rchild,v);
    }else{
        BST_Search1(t.lchild, v);
    }
}

非递归的空间复杂度为O(1),递归的空间复杂度为O(n)
在BST的查找中,如果生成的BST平衡,那么其最大查找次数最小,为 l o g 2 n + 1 log_2n +1 log2n+1;如果生成的BST及其不平衡,比如生成BST时的元素插入顺序恰好是递增或递减,那么最大查找次数最大,为n

插入

如果二叉树为空,则直接插入,否则,如果关键字k小于根节点,则插入左子树,如果关键字大于根节点,则插入右节点。新插入的结点一定是叶子结点。采用递归调用的方法空间复杂度为O(H),H为树高;采用非递归的空间复杂度为O(1)

// 二叉排序树的插入(递归)
int BST_insert(BiTree &t, int v){
    if (t==NULL){   //已经到了根节点
        t = (BiTree)malloc(sizeof (BiTree));
        t.data=v;
        t.lchild=t.rchild=NULL;
        return 1;
    }else if (k<t.data){
        BST_insert(t.lchild,v);
    }else if (k>t.data)
        t = BST_insert(t.rchild,v);
    else
        return 0
}
删除
  • 叶子结点直接删除
  • 删除的结点n只有左子树,那么让其子树的根节点替代他的位置,成为n的父节点的子树
  • 同样,删除的结点n只有右子树,那么让其子树的根节点替代他的位置,成为n的父节点的子树
  • 删除的结点n既有左子树又有右子树。那么:
    • 可以中序遍历右子树,其第一个节点p为右子树中最小的结点(也就是右子树中最左下的结点),让结点p替代结点n的位置
    • 可以遍历左子树,取得左子树中最小的结点p(也就是左子树中最右下的结点),让结点p替代结点n的位置
效率分析

查找长度:在查找运算中,需要对比关键字的次数反映了查找操作时间的复杂度。平均查找长度又称为ASL。需要会算二叉排序树的平均查找长度。查找失败所需要的平均长度也要会计算,一般只有查找到叶子结点仍未查找到目标值,则判定为查找失败

二叉排序树的ASL的优劣很大情况下取决于树的高度,因此树的高度越小,性能越优秀。而构造二叉树的输入序列有序会导致一个倾斜的单支树,此时BST高度最高,性能最差。如果构造出来的是一颗平衡二叉树,则性能最好。其最好查找长度为O(logn),最坏查找长度为O(n)。

三、排序问题中的减治法

3.1 插入排序

3.2 堆排序

四、组合问题中的减治法

4.1 淘汰赛冠军问题

问题:
假设有n=2^k个选手在进行竞技淘汰赛,要选出最后的冠军,请设计淘汰赛的过程。

想法:
竞技淘汰赛最自然的赛制是一个队伍两个选手pk,胜利者和另外一队的胜利者pk,再次决出胜利者,进入下一轮的淘汰。这样的赛制会类似于一颗二叉树,两个孩子节点pk选出胜者成为他们的父节点。下面开始考虑减治法,首先将选手两两分为n/2组,进行了一轮淘汰后,还剩下n/4组,以此类推直到还剩最后一个选手则为冠军

4.2 假币问题

问题:
在一堆硬币中有一个假币,假币的重量比较轻,然后可以使用一个天平去对比两组硬币孰轻孰重,假币问题就是要设计一个高效的算法来选出这一枚硬币。

算法思想:
解决假币问题最自然的想法一分为二,将n枚硬币一分为二分为均等的两组,如果n为奇数则留下一枚硬币,保证两组数量均等。如果两组硬币重量相同,那么留下的硬币则是假币,如果左边的天平更轻,证明假币在左边的硬币组中,反之在右边的硬币组中。对较轻的组同样采用上述的处理方法,直到找到假币为止。在假币问题中,每次我们都将硬币分为两组,每次使用天平后都会使得问题规模减小一半,因此这是一个减治法问题。根据上述描述,可以知道时间开销为O(log2n)

但是这都不是最优解法,其实可以将硬币等分为3组,如果不整除则余下的硬币加在第三组中。将第一组和第二组放上天平,如果一组和二组重量相等,那么假币肯定在第三组,因此可以对第三组执行上述操作,反之则在第一组或者第二组中。这种方法每次可以将问题规模减小至原来的1/3,因此其时间开销为O(log3n)

  • 8
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值