分治与递归的区别
看到题目pow(x,n)的时候,我就想到了层层递归。在测试用例的时候通过了,但是提交完了之后是这样的,如下图:
于是,我就查了查递归属不属于分治,两者之间的区别。一篇博客我个人认为说的还算比较清楚:分治与递归间的关系
分治与递归之间没有关系,递归可以改成一个循环,再用分治法求解。
你可以想象,如果我让一万个1相加:
采用循环,直接循环加一万次
采用递归,递归循环一万次
采用分治,不停的划分(这里划分既可以使用递归也可以使用循环),两两相加。
1. 实现 pow(x, n) ,即计算 x 的 n 次幂函数。
解题思路:
- 确定切分终止条件:对
n
不断除以2,并更新n
,直到为0,终止切分。 - 准备数据,将大问题切分为小问题:对
n
不断除以2,更新。 - 处理子问题得到子结果,再合并
class Solution(object):
def myPow(self, x, n):
"""
:type x: float
:type n: int
:rtype: float
"""
if n < 0:
x = 1/x
n = -n
if n == 0:
return 1
if n%2 ==1:
return x * self.myPow(x,n-1)
else:
return self.myPow(x*x,n/2)
2. 给定一个整数数组 nums ,找到一个具有最大和的连续子数组(子数组最少包含一个元素),返回其最大和。
解题思路:
- 确定切分终止条件:直到子问题都是长度为1的数组,停止切分。
- 准备数据,将大问题切分为小问题:递归地将原数组二分为左区间与右区间,直到最终的数组只剩下一个元素,将其返回。
- 处理子问题得到子结果,再合并:将数组切分为左右区间之后,对左区间,从右往左求最大和的连续子数组;对右区间,从左往右求最大和的连续子数组。
- 最终返回左区间的元素、右区间的元素、以及整个区间(相对子问题)和的最大值。
class Solution(object):
def maxSubArray(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
n = len(nums)
if n == 1:
return nums[0]
# 一直切分,直到剩下单个元素
left = self.maxSubArray(nums[:len(nums) //2])
right = self.maxSubArray(nums[len(nums) //2:])
#从右往左开始
max_l = nums[len(nums)//2-1]
sum = 0
for i in range(len(nums)//2-1,-1,-1):
sum += nums[i]
max_l = max(sum, max_l)
max_r = nums[len(nums)//2]
sum = 0
for i in range(len(nums)//2,n,1):
sum += nums[i]
max_r = max(sum,max_r)
return max(left,right,max_l+max_r)
3.给定一个大小为 n 的数组,找到其中的多数元素。多数元素是指在数组中出现次数大于 ⌊ n/2 ⌋ 的元素。
解题思路:
- 确定切分终止条件:直到子问题都是长度为1的数组,停止切分。
- 准备数据,将大问题切分为小问题:递归地将原数组二分为左区间与右区间,直到最终的数组只剩下一个元素,将其返回。
- 处理子问题得到子结果,再合并:
长度为 1 的子数组中唯一的数显然是众数,直接返回即可。
如果它们的众数相同,那么显然这一段区间的众数是它们相同的值。
如果他们的众数不同,比较两个众数在整个区间内出现的次数来决定该区间的众数。
class Solution(object):
def majorityElement(self, nums):
"""
:type nums: List[int]
:rtype: int
"""
if len(nums) ==1:
return nums[0]
left = self.majorityElement(nums[:len(nums)//2])
right = self.majorityElement(nums[len(nums)//2:])
if left == right:
return left
if nums.count(left) > nums.count(right):
return left
else:
return right