目录
一、最大子段和的分治算法
1、代码
int maxSubSum(int a[], int left, int right) {
if (left == right) {
return left;
}
int middle = (left + right) / 2;
int leftSum = maxSubSum(a, left, centor);
int rightSum = maxSubSum(a, centor + 1, right);
int s1 = 0;
int lefts =0;
for (int i = middle; i >= left; i--) { //第一种情况:从中点向左找最大字段和
lefts += a[i];
if (lefts > s1) {
s1 = lefts;
}
}
int s2 = 0;
int rights = 0;
for (int i = middle + 1; i <= right; i++) {//第二种情况:从中点向右找最大字段和
rights += a[i];
if (rights > s1) {
s1 = rights;
}
}
int sum = s0 + s1; // 第三种情况
sum = max(sum, leftSum);
sum = max(sum, rightSum);
return sum;
}
int maxSum(int a[], int n) {
return sumSubSum(a, 1, n);
}
2、时间复杂度分析
将所给序列a[1,n] 分成a[1,n/2] 和 a[n/2+1 ,n]两个部分,则最大值有一下三种情况:
- 整个序列的字段和与左半部分相同
- 整个序列的子段和与右半部分相同
- 整个序列的子段和 在两个部分的中间连接部分
通过拆分子数组分别求得的最大子段和为sum1,sum2。时间复杂度为2T(N/2),从中心点向两边找最大的和,找到跨越的最大子段和的时间复杂度为O(n), 所以总体的时间复杂度为:T(n)=2T(n/2)+O(n) = O(nlogn)。
二、分治法学习心得
1、基本思路:
把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题,直到最后子问题可以简单的直接求解,子问题的解的合并即是原问题的解。
2、基本步骤:
(1)分解,将原问题分解为若干个规模较小、相互独立、与原问题形式相同的子问题。
(2)解决,若子问题规模较小而容易被解决则直接解,否则递归地解各个子问题。
(3)合并,将各个子问题的解合并为原问题的解。
3、心得:
选择合适的分治方法可以大大提高代码运行效率,基本的分治思想需要掌握。