基础--分治策略

分治策略实例

1.1 中位数选取问题

算法步骤

• 设输入规模为n,则先将其分为n/5组
• 在每一组（5个元素）中选出其中位数。
  每组插入排序选出中位数，其比较次数为10次。共比较10$\lceil \frac{n}{5}\rceil$次
• 在$\lceil \frac{n}{5}\rceil$中递归调用算法，时间复杂度为$T(\frac{n}{5}$，得到MoM(中位数的中位数)
• 在经过比较n-1次，将其它元素分为：小于MoM,等于MoM和大于MoM的情况，然后再挑选合适的组别递归调用算法。

伪代码

Int Select(A,i){
/*
Input:数组A[1:n],1<=i<=n
Output:A中第i位数
*/
for j=1 to n/5:
	InsertSort(A[5*(j-1)+1,5*(j)]);
	A[j]=Swap(A[j],A[5*(j-1)+3]);
mom = Select(A[1:n/5],n/10);
k=partirion(A[1:n],mom);
if k==i then return mom;
else if k>i then return Select(A[1:k-1，i]);
else return Select(A[k+1,n],i-k)
}

算法分析

• 通过选取MoM作为划分子问题的中间界限，则每次至少有$\lfloor \frac{3n}{10}\rfloor -6$规模的元素被分于MoM的两侧。因此在递归调用解决子问题时，子问题的规模不超过$\lfloor \frac{7n}{10}\rfloor +6$
• 故$T(n)=\{\begin{array}{ll}\Theta (1),& n<c\\ T(\lfloor \frac{7n}{10}\rfloor +6)+T(\lfloor \frac{n}{5}\rfloor )+\Theta (n),& n\ge c\end{array}$
• 最后可证T(n）=O(n).

1.2 最大子数组问题

分治策略

• 对于有正有负的数组A[1:n]，选取mid=$\lfloor \frac{n}{2}\rfloor$(为了分得更为平均)，可以得到A[1:mid],A[mid+1,n]

• 同样对于A[low,high]，可分为A[low,mid],A[mid+1,high]两数组。

• 则对于A[low,high],其最大连续子数组必然为以下三种情况之一：

  1. 完全位于A[low,mid]中。
  2. 完全位于A[mid+1,high]中。该两种情况可以用递归解决
  3. 跨越了中点。该种情况可以在O(n)时间复杂度下解决。

伪代码

Tuple Find_Maximum_Subarray(A,low,high){
/*
Input:数组A[low:high].初始调用时为A[1:n],n>1
Output:三元组(max_left,max_right,max_sum)
*/
if low==high:
	return (low,high,A[low])
mid = (high-low)/2
(left_low,left_high,left_sum)= Find_Maximum_Subarray(A,low,mid)
(right_low,right_high,right_sum) = Find_Maximun_Subarray(A,mid+1,high)
(crossing_low,crossing_high,crossing_sum) = Find_Crossing_Subarray(A,mid)
if left_sum>=right_sum>=crossing_sum:
	return (left_low,left_high,left_sum)
else if right_sum>=left_sum>=crossing_sum:
	return (right_low,right_high,right_sum)
else:
	return	(crossing_low,crossing_high,crossing_sum) 
}

寻找跨越终点的最大子数组不再赘述,暴力迭代n次即可
算法分析

• $T(n)=\{\begin{array}{ll}\Theta (1),& n<c,\\ 2T(\frac{n}{2})+\Theta (n),& n\ge c,\end{array}$
• 故$T(n)=\Theta (nlogn)$

1.3 矩阵乘法的Strassen算法