经典:最大子段和问题:
在数组中找到连续数据的和最大:
C++
- int maxSum(int a[],int left, int right)
- {
- int sum = 0;
- if(left == right) //如果序列长度为1,直接求解
- {
- if(a[left] > 0) sum = a[left];
- else sum = 0;
- }
- else
- {
- int center = (left + right) / 2; //划分
- int leftsum = maxSum(a,left,center); //对应情况1,递归求解
- int rightsum = maxSum(a, center + 1, right);//对应情况2, 递归求解
- int s1 = 0;
- int lefts = 0;
- for(int i = center; i >= left; i--) //求解s1
- {
- lefts += a[i];
- if(lefts > s1) s1 = lefts; //左边最大值放在s1
- }
- int s2 = 0;
- int rights = 0;
- for(int j = center + 1; j <= right; j++)//求解s2
- {
- rights += a[j];
- if(rights > s2) s2 =rights;
- }
- sum = s1 + s2; //计算第3钟情况的最大子段和
- if(sum < leftsum) sum = leftsum; //合并,在sum、leftsum、rightsum中取最大值
- if(sum < rightsum) sum = rightsum;
- }
- return sum;
- }
左边最大
右边最大
center值包含在最大数组当中
一、基本概念
在计算机科学中,分治法是一种很重要的算法。字面上的解释是“分而治之”,就是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,原问题的解即子问题的解的合并。这个技巧是很多高效算法的基础,如排序算法(快速排序,归并排序),傅立叶变换(快速傅立叶变换)……
二、基本思想及策略
分治法的设计思想是:将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。
分治策略是:对于一个规模为n的问题,若该问题可以容易地解决(比如说规模n较小)则直接解决,否则将其分解为k个规模较小的子问题,这些子问题互相独立且与原问题形式相同,递归地解这些子问题,然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。
如果原问题可分割成k个子问题,1<k≤n,且这些子问题都可解并可利用这些子问题的解求出原问题的解,那么这种分治法就是可行的。由分治法产生的子问题往往是原问题的较小模式,这就为使用递归技术提供了方便。在这种情况下,反复应用分治手段,可以使子问题与原问题类型一致而其规模却不断缩小,最终使子问题缩小到很容易直接求出其解。
三、分治法适用的情况
分治法所能解决的问题一般具有以下几个特征:
1) 该问题的规模缩小到一定的程度就可以容易地解决
2) 该问题可以分解为若干个规模较小的相同问题,即该问题具有最优子结构性质。
3) 利用该问题分解出的子问题的解可以合并为该问题的解;
4) 该问题所分解出的各个子问题是相互独立的,即子问题之间不包含公共的子子问题。
第一条特征是绝大多数问题都可以满足的,因为问题的计算复杂性一般是随着问题规模的增加而增加;
第二条特征是应用分治法的前提它也是大多数问题可以满足的,此特征反映了递归思想的应用;、
第三条特征是关键,能否利用分治法完全取决于问题是否具有第三条特征,如果具备了第一条和第二条特征,而不具备第三条特征,则可以考虑用贪心法或动态规划法。
第四条特征涉及到分治法的效率,如果各子问题是不独立的则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然可用分治法,但一般用动态规划法较好。
(8)最接近点对问题