[算法笔记] 分治法

一、分治法概述

一、分治法设计思想

​ 将一个难以直接解决的大问题，划分成一些规模较小的子问题，以便各个击破，分而治之。更一般地说，将要求解的原问题划分成 $k$ 个较小规模的子问题，对这 $k$ 个子问题分别求解。如果子问题的规模仍然不够小，则再将每个子问题划分为 $k$ 个规模更小的子问题，如此分解下去，直到问题规模足够小，很容易求出其解为止，再将子问题的解合并为一个更大规模的问题的解，自底向上逐步求出原问题的解。

启发式规则：

1. 平衡子问题：最好使子问题的规模大致相同。也就是将一个问题划分成大小相等的 $k$ 个子问题（通常 $k＝2$ ），这种使子问题规模大致相等的做法是出自一种平衡（Balancing）子问题的思想，它几乎总是比子问题规模不等的做法要好。
2. 独立子问题：各子问题之间相互独立，这涉及到分治法的效率，如果各子问题不是独立的，则分治法需要重复地解公共的子问题。

二、分治法的求解过程

​ 一般来说，分治法的求解过程由以下三个阶段组成：

1. 划分：既然是分治，当然需要把规模为 $n$ 的原问题划分为 $k$ 个规模较小的子问题，并尽量使这 $k$ 个子问题的规模大致相同。

2. 求解子问题：各子问题的解法与原问题的解法通常是相同的，可以用递归的方法求解各个子问题，有时递归处理也可以用循环来实现。

3. 合并：把各个子问题的解合并起来，合并的代价因情况不同有很大差异，分治算法的有效性很大程度上依赖于合并的实现。

   例：计算 $a^n$ ，应用分治技术得到如下计算方法：
   $$a^n=\{\begin{array}{ll}a& \text{n=1}\\ a^{\lfloor n/2\rfloor }{a}^{\lceil n/2\rceil }& \text{n>1}\end{array}$$

二、递归

​ 递归（Recursion）就是子程序（或函数）直接调用自己或通过一系列调用语句间接调用自己，是一种描述问题和解决问题的基本方法。

递归有两个基本要素：

1. 边界条件：确定递归到何时终止；
2. 递归模式：大问题是如何分解为小问题的。

三、组合问题中的分治法

一、最大子段和问题

给定由 $n$ 个整数组成的序列 $(a_1,a_2,\dots ,a_n)$ ，最大子段和问题要求该序列形如 $\sum _{k=i}^j{a}_k$ 的最大值 $(1\le i\le j\le n)$ ，当序列中所有整数均为负整数时，其最大子段和为 $0$ 。例如，序列 $(-20,11,-4,13,-5,-2)$ 的最大子段和为： $\sum _{k=2}^4$