分治算法

简介: 分治法的过程1. 划分:将问题分成若干个子问题,这些子问题是同一问题的较小实例。2. 递归求解:通过递归的方法解决子问题。然而,如果子问题的规模足够小,只需以一种直接的方式解决子问题。3. 合并:将子问题的解合并为原问题的解。

分治法的过程

  1. 划分:将问题分成若干个子问题,这些子问题是同一问题的较小实例。
  2. 递归求解:通过递归的方法解决子问题。然而,如果子问题的规模足够小,只需以一种直接的方式解决子问题。
  3. 合并:将子问题的解合并为原问题的解。

合并过程是可选的,有些问题直接递归求解即可

归并排序

通过二分法达到log(n)这样一个层级,然后再通过O(n)的归并操作,就形成了nlog(n)的归并排序

  1. 二分操作:将n个元素平均分成两部分,再分别将这两部分进行递归二分操作。直到所有分组都只有1个元素(只有一个元素时,数列显然有序)

  2. 归并操作:从最底层开始逐步合并两个排好序的数列
    我这里采用对原数组进行操作,所以先建立一个辅助数组T temp[r-l+1],通过for循环将原数组数据复制到辅助数组
    又因为两个序列都已经有序,因此只需要两个序列的低位轮流进行比较,输的一方为小值,将这个值赋值到原数组,输的一方继续拿出一个值来比较,直到有一方没有元素后,将另一方的所有元素依次赋值到原数组中即可。此时,原数组为两个序列的有序合并。

下面两个子数组分别进行比较,将合适的元素赋值到上面的大数组

#include<bits/stdc++.h>

usingnamespacestd;

//对数组arr[left]-arr[right]进行归并排序

voidmergeSort(intarr[],intleft,intright ){

   //1.划分:进行二分操作

   if(left>=right)

       return;

   intmid=(left+right)/2;

   //2.递归

   mergeSort(arr,left,mid);

   mergeSort(arr,mid+1,right);

   //3.合并

   //我们要对原数组进行排序,那么复制一个辅助数组

   inttemp[right-left+1];

   for(inti=left;i<=right;i++)

       temp[i-left]=arr[i];

   //原数组中的左右指针

   intcurL=left,curR=mid+1;

   //arr[k]是原数组中即将要赋值的元素

   for(intk=left;k<=right;k++){

       //先判断越界

       if(curL>mid){//左指针到右边部分,右边的直接赋值即可

           arr[k]=temp[curR-left];

           curR++;

       }elseif(curR>right){

           arr[k]=temp[curL-left];

           curL++;

       }elseif(temp[curL-left]>temp[curR-left]){//右边的小,右边赋值并且右移1

           arr[k]=temp[curR-left];

           curR++;

       }elseif(temp[curL-left]<=temp[curR-left]){

           arr[k]=temp[curL-left];

           curL++;

       }

   }

}

intmain(){

   intx[10005];

   inti=0;

   intn;

   while(cin>>n){

       x[i]=n;

       i++;

       if(cin.get()=='\n')

           break;

   }

   mergeSort(x,0,i-1);

   cout<<x[0]<<','<<x[i-1];

   

   return0;

}


目录
相关文章
|
6月前
|
人工智能 自然语言处理 算法
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
【2月更文挑战第24天】当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
61 2
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
|
6月前
|
存储 缓存 算法
【数据结构与算法】【小白也能学的数据结构与算法】递归 分治 迭代 动态规划 无从下手?一文通!!!
【数据结构与算法】【小白也能学的数据结构与算法】递归 分治 迭代 动态规划 无从下手?一文通!!!
|
4月前
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
72 8
|
4月前
|
算法 Python
算法不再难!Python分治法、贪心、动态规划实战解析,轻松应对各种算法挑战!
【7月更文挑战第8天】掌握Python算法三剑客:分治、贪心、动态规划。分治如归并排序,将大问题拆解递归解决;贪心策略在每步选最优解,如高效找零;动态规划利用子问题解,避免重复计算,解决最长公共子序列问题。实例展示,助你轻松驾驭算法!**
70 3
|
16天前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
32 2
|
3月前
|
算法 搜索推荐
算法设计 (分治法应用实验报告)基于分治法的合并排序、快速排序、最近对问题
这篇文章是关于分治法应用的实验报告,详细介绍了如何利用分治法实现合并排序和快速排序算法,并探讨了使用分治法解决二维平面上的最近对问题的方法,包括伪代码、源代码实现及时间效率分析,并附有运行结果和小结。
|
4月前
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
126 2
|
4月前
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
48 1
|
4月前
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
68 1
|
4月前
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
75 1
下一篇
无影云桌面