算法设计与分析基础(七)

算法设计与分析基础(七)：分治法

• 基本思想

  将规模为 N 的问题分解为 k 个规模较小的子问题,使得这些子问题相互独立并可分别求解, 再将 k 个子问题的解“合并”成原问题的解. 如子问题的规模仍很大, 则反复分解直到问题小到可直接求解为止。
  在分治法中, 子问题的解法通常与原问题相同,自然导致递归过程。

• 特点

  1. 算法适宜并行计算
  2. 算法的计算复杂度对应如下递归方程

  

预备知识

T(n)=aT(n/b)+f(n)递推式的解法

合并排序

1. 问题：将n个元素排成非递减顺序。

2. 算法思想

• 若n为1, 算法终止; 否则,
• 将n个待排元素分割成k (k=2) 个大致相等子集合A、B,
• 对每一个子集合分别递归排序,
• 再将排好序的子集归并为一个集合。

3. 伪代码

   

   Merge(B,C,A)：

   

• 结论

  

  缺点：需要线性的额外空间。

  ​ 虽然合并也可以做到“在位”，但导致算法过程过于复杂。

快速排序

算法思路：对于输入A[0… n-1]，按以下三个步骤进行排序：

1. 元素划分

   取A中的一个元素为支点(pivot)， 将A[0…n-1]划分成3段: A[0…s-1], A[s ], A[s+1…n-1], 使得

   

   下标s在划分过程中确定。

2. 递归排序

   递归调用快速排序法 分别对A[0…s-1]和A[s+1…n-1]排序。

3. 有序段串接

   将已经有序的 A[0…s-1], A[s], A[s+1…n-1] “连接”成 整体有序的A[0…n-1]。

分区的例子（双向扫描）

伪代码

算法 Partition( A[l..r] )
    // 输入：子数组A[l..r] 
    // 输出：分划点/基准点pivot的位置
begin   p ← A[l]；　i ← l;   j ← r+1；
     repeat
     	 repeat　i ←i + 1　until A[i] ≥ p ；
           repeat    j ← j – 1    until A[j] ≤ p ；
           swap ( A[i], A[j] )
     until i ≥ j ；　
     swap ( A[i], A[j] )；　  
     swap ( A[l], A[j] )；
    return j；
end

快速排序

If   l < r
      	s ← Partition( A[l..r] )
      	QuickSort( A[l..s-1] )
     	QuickSort( A[s+1..r] ) 

算法复杂度满足以下方程：

上式依赖于s的位置。partition的基本操作：比较
Partition的最坏情况：
已经具有增序，按照上述算法描述，对于长度为n的数组一次划分，如果出现指针交叉，所执行的比较是 n+1 次（工作指针的边界元素的比较），即Θ(n)。

• 效率分析

最坏情况（已具有增序）：在进行了n+1次比较后建立了分区，还会对数组进行排序， 继续到最后一个子数组A[n-2…n-1]。总比较次数为：

最好情况：每次都是等分

平均复杂度：分裂点有可能在一次分区后出现在每个位置

设每种情况出现的概率均等，即均为是1/n，则平均复杂度满足如下递归方程：

总结