〈算法设计与分析基础〉读书笔记3——分治法

分治法

分治法的工作方案：

a.       将规模为n的问题的实例，划分为同一个问题的几个较小规模的实例，最好拥有同样的规模（n/b）。

b.       对这些较小的实例（规模为n/b）求解（一般使用递归方法，但在问题规模足够小的时候，有时也会使用一些其他方法）

c.       如果必要的话，合并这些较小问题的解，以得到原始问题的解。

通用分治递推式： T(n) = aT(n/b) + f(n)    f(n)是表示分解和合并问题所消耗的时间。

主定理：当f(n)规模为n的d次方时，1.当a<b^d：T(n)的规模为n^d；2.当a=b^d时：T(n)的规模为n^dlog n；3.当a>b时，T(n)的规模为n^log_b^a

    分治法对于并行计算是非常理想的，因为各个子问题可以由不同的CPU同时计算。

1.       合并排序：

Mergesort(A[0…n-1])

If n>1

  Copy A[0… n/2-1] to B[0… n/2-1]

  Copy A[n/2 … n-1] to C[0… n/2-1]

  Mergesort(B[0… n/2-1])

  Mergesort(C[0… n/2-1])

  Merge( B, C, A) //把排序好的B和C数组，合并成A。

 

2.       快速排序：

合并排序是按照元素在数组中的位置对它们进行划分，而 快速排序是按照元素的值对他们进行划分。

      

Quicksort(A[l..r])

       If l<r

         S <— Partition(A[l..r]) //

         Quciksort(A[l..s-1])

         Quciksort(A[s+1..r])

 

       Partition(A[l..r])

       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

 

3.       折半查找：

高效的查找有序数组，不是纯粹的分治法，适合归类到减半算法。

4.       分治法的其他例子：

a.       二叉树遍历及其相关特性：前序（根—左—右）；中序（左—根—右）；后序（左—右—根）

b.       大整数乘法和Strassen矩阵乘法：大整数乘法公式： c = a*b = (a1a0)*(b1b0) = c2*100 + c1*10 + c0其中：c2 = a1*b1；c0=a0*b0 ；c1=(a1+a0)*(b1+b0) – (c2+c0)

c.  分治法解最近对问题和凸包问题：最近对问题，先按照x坐标排列，然后可以画一条中线x=c；凸包问题，先找出左右顶点，分成上下包，。。。。。。原理和快速排序类似，平均效率是n log n，最差效率是n的平方。

可以采用更好的中轴选择方法（比如三平均分区法等）……主要缺点：需要额外的线形空间。