算法篇——分治

1、概念

分而治之，一个复杂的问题分为两个或更多相同或相似子问题，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)……

2、思想

用于分治的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。

3 、在什么时候应用

• 该问题的规模缩小到一定的程度就可以容易地解决

• 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。

• 利用该问题分解出的子问题的解可以合并为该问题的解；

• 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。

4、基本步骤

• step1 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；
• step2 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
• step3 合并：将各个子问题的解合并为原问题的解。

Divide-and-Conquer(P)

1. if |P|≤n0

2. then return(ADHOC(P))

3. 将P分解为较小的子问题 P1 ,P2 ,…,Pk

4. for i←1 to k

5. do yi ← Divide-and-Conquer(Pi)//递归

6. T ← MERGE(y1,y2,…,yk) //合并

7. return(T)

5、复杂度分析

一个分治法将规模为n的问题分成k个规模为n／m的子问题去解。设分解阀值n0=1，且adhoc解规模为1的问题耗费1个单位时间。再设将原问题分解为k个子问题以及用merge将k个子问题的解合并为原问题的解需用f(n)个单位时间。用T(n)表示该分治法解规模为|P|=n的问题所需的计算时间，则有：

T（n）= k T(n/m)+f(n)

通过迭代法求得方程的解：

递归方程及其解只给出n等于m的方幂时T(n)的值，但是如果认为T(n)足够平滑，那么由n等于m的方幂时T(n)的值可以估计T(n)的增长速度。通常假定T(n)是单调上升的，从而当mi≤n<mi+1时，T(mi)≤T(n)<T(mi+1)。

六、可使用分治法求解的一些经典问题

• 二分搜索
• 大整数乘法
• Strassen矩阵乘法
• 棋盘覆盖
• 合并排序
• 快速排序
• 线性时间选择
• 最接近点对问题
• 循环赛日程表
• 汉诺塔