分治 & 递归式求解

        当要求解的一个输入规模为n且取值又相当大的问题是，直接求解往往比较困难，有的甚至根本没法直接求出。正确的方法是，每当遇到这类问题时，首先应仔细分析问题本身所具有的特性，然后根据这些特性选择适当的设计策略来求解。在将这n个输入分成k个不同子集合的情况下，如果能得到k个不同的可独立求解的子问题（具有重复子问题的用动态规划求解），其中1<k≤n，而且在求出了这些子问题的解之后，还可以找到合适的方法把它们合并成整个问题的解，那么，可考虑使用分治法来求解。如果子问题相对来说还太大，则可反复使用分治策略将这些子问题分成更小的同类型的子问题。

1. 步骤

在分治策略中，我们递归地求解一个问题，在每层中应用如下三步：

(1) 分解：将问题划分为一些子问题，子问题的形式与原问题一样，只是规模更小；

(2) 解决：递归地求解出子问题。如果子问题的规模足够小，则停止递归，直接求解；

(3) 合并：将子问题的解组合成原问题的解。

2. 最大子数组问题

           给定一个由正负整数组成的顺序表，求解一组连续的数使其和最大。例如给定一组数据-1，2，3，-2，5，连续数s = {2，3，-2, 5}取得最大值8，其它的连续数之和均小于8，则s为我们要的连续数。

设A[i, j]表示从i开始到j结束的顺序表，m[i, j]表示从第i个数到第j个数中连续数的最大和。

2.1 方法一：暴力破解

计算每一种情况的和，然后记录取得最大值时的连续数。该方法共检测n(n+1)/2种情况，因此时间复杂度为O(n²)。

2.2 方法二：分治

(1) 分解：将问题A[i, j]从中间划分开，分成左右两部分：A[i, middle]和A[middle, j]，对应的最大值分别为A[i, middle]和A[middle, j]，其中middle=(i+j)/2；

(2) 解决：若问题的规模j-i为0时，直接返回第i个数，即当前规模的最大值；

(3) 合并：A[i, j]取得的最大值m[i, j]为左侧m[i, middle]、右侧m[middle, j]对应的最大值和包含中间值的最大值中的最大值。

运行时间T(n)的递归式为:

求解递归式可得T(n) = O(nlogn)，优于暴力破解方法的O(n²)。

3. 递归式求解

递归式的求解共有三种方法：代入法、递归树和主方法。

3.1 代入法

代入法共分为两步：

(1) 猜测解的形式；

(2) 用数学归纳法求出解中的常数，并证明解是正确的。

例如：T(n) = 2T(n/2)+n

(1) 猜测T(n) ≤ cnlgn；

(2) 证明：令m=n/2，有T(n/2) ≤ cn/2lg(n/2)；

则：

T(n) ≤ 2(cn/2lg(n/2))+n

 ≤ cnlg(n/2) + n

    = cnlgn – cnlg2 + n

  = cnlgn – cn + n

≤     cnlgn

3.2 递归树

               例T(n) = 3T(n/4) + O(n²)，其递归树如图3-1所示。图中结点中的数字表示合并问题解的代价，因此该递归式的解为图中所有结点中数字之和。易得该递归树最多有log₄n+1层，如图中左侧所示；另外图右侧表明了每层的数字之和，则递归式T(n) = 3T(n/4) + O(n²)的解为T(n) = Ο(n²)，详细结算过程如下：

图3-1 T(n) =3T(n/4) + O(n²)的递归树

3.2 主方法（The master method）

参考：算法导论