简明易懂的算法文章-浅析分治算法

（翻译文）
    本文介绍分治算法的工作原理，同时，将分治算法与其他解决递归问题的方法进行比较。
    分治算法是一种解决大问题的策略，解决思路如下：
    1.将问题分解为较小的子问题；
    2.解决子问题，然后
    3.合并它们以获得所需的输出。
    要使用分治法，需要使用递归。

1. 分治算法如何工作？

    涉及的步骤如下：
    1.分解：使用递归将给定问题分为子问题；
    2.处理：递归求解较小的子问题。如果子问题足够小，则直接求解。
    3.组合：合并子问题的解决方案，这是递归过程的一部分，得到实际问题的解。
    让我们借助示例来理解这个概念。
    在这里，我们将使用分治的方法对数组进行排序（即合并排序，merge sort）。
    1.待排序的数组如下：

    2.将数组分为两部分。

    同样，将每个部分递归地分为两半，直到获得单个元素。

    3.现在，以排序的方式组合各个元素。在这里，划分和合并的步骤并存。

2. 计算复杂度

    分治法的复杂度是用主定理计算的。

T(n) = aT(n/b) + f(n),
在这里，
n = 输入大小
a = 递归中子问题的数量
n/b = 每个子问题的大小。假定所有子问题都具有相同的大小。
f(n) = 在递归调用之外完成的工作的成本，包括划分问题的成本和合并解决方案的成本

    让我们举一个例子来了解递归问题的时间复杂度。
    对于合并排序，等式可以写成：

T(n) = aT(n/b) + f(n)
     = 2T(n/2) + O(n)
这里，
a = 2 （每次将一个问题分为2个子问题）
n/b = n/2 （每个子问题的大小是输入的一半）
f(n) = 划分问题和合并子问题所用的时间
T(n/2) = O(n log n) （要理解这一点，请参考主定理。）

现在, T(n) = 2T(n log n) + O(n)
          ≈ O(n log n)

3. 分治vs动态方法

    分而治之的方法将问题分为较小的子问题，这些子问题可以递归进一步解决。每个子问题的结果都不存储，而在动态方法中，每个子问题的结果均存储，以供将来参考。
    当多次尝试解决同一个子问题无效时，使用分而治之的方法。当未来要多次使用子问题的结果时，请使用动态方法。
    让我们通过一个例子来理解这一点。假设我们试图列出斐波那契数列。然后：
    分而治之的方法：

fib(n)
    If n < 2, return 1
    Else , return f(n - 1) + f(n -2)

    动态方法：

mem = [ ]
fib(n)
    If n in mem: return mem[n] 
    else,     
        If n < 2, f = 1
        else , f = f(n - 1) + f(n -2)
        mem[n] = f
        return f

    使用动态方法时，mem 存储每个子问题的结果。

4. 分治算法的优势

• 用朴素方法计算两个矩阵相乘的复杂度为 O(n3)，而使用分治法是 O(n2.8074)。这种方法还简化了诸如汉诺塔之类的其他问题。
• 这种方法适用于多处理系统。
• 它有效地利用了内存缓存。

5. 分治的应用

• 二元搜索
• 合并排序
• 快速排序
• 斯特拉森矩阵乘法
• 唐津算法

参考文献

https://www.programiz.com/dsa/divide-and-conquer