【算法学习笔记】之分治算法

简介: 版权声明:本文为博主原创文章,转载请注明出处http://blog.csdn.net/u013132758。 https://blog.csdn.net/u013132758/article/details/50956439 引言“分治”顾名思意:分而治之。
版权声明:本文为博主原创文章,转载请注明出处http://blog.csdn.net/u013132758。 https://blog.csdn.net/u013132758/article/details/50956439

引言

“分治”顾名思意:分而治之。《孙子兵法》有云:“众如寡,数是也 。”分治法在我们日常生活中也最为常见。比如管理一个国家:先把国家划分为许多省份,再把每个省份划分为若干个市,依此类推,市===》县(区) ===》乡(镇)===》村。这就是分治。在算法设计领域我们有一种算法称为分治算法。

1、分治算法的基本思想及步骤

分治算法的总体设计思想就是”“。所对应的步骤也是“。

即将一个大的问题依据一种规则分成若干份小的问题。

若问题规模足够小,用较简单的方法来解决。若问题规模还是较大则递归调用”分“来继续划分,直至问题规模足够小。

合:按照原问题的要求,将子问题的解按照一定的策略逐层合并,并构成原问题的解。

2、分治算法的适用条件

分治法所能解决的问题一般具有以下几个特征:

1) 该问题的规模缩小到一定的程度就可以容易地解决

2) 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(很重要

3) 利用该问题分解出的子问题的解可以合并为该问题的解(能否用分治法可以说完全取决于这点)

4) 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(分治法的效率)。

3、分治算法的时间复杂度

分治算法的时间复杂度分析我们可以用递推公式和递归树。

例如:一个规模为n的问题,每次将其分解为k个子问题,直至子问题的规模为1,合并k个子问题的时间复杂度为O(n).

则原问题的时间复杂度T(n)=kT(n/k)+O(n).由此可求得起时间复杂度为 O(nlogn).

递归树如下:


由于logk为常数,所以可以忽略。则它的时间复杂度为O(n log n).

4、分治算法的经典问题

(1)二分搜索
(2)大整数乘法
(3)Strassen矩阵乘法
(4)棋盘覆盖
(5)合并排序
(6)快速排序
(7)线性时间选择
(8)最接近点对问题
(9)循环赛日程表
(10)汉诺塔

其中我们最熟悉的莫过于二分搜索及合并排序了。


下面是合并排序的参考代码。


/*************************************
*
*   Megre_Sort()
* 输入:两个数组及长度
*************************************/
void Megre_sort(int *A,int p,int *C,int q)
{
	int *B; 
	int s=0,t=0,k=0,i = 0,r=p+q;
	B = (int *)malloc(sizeof(int)*(p+q));
	
     while( s <= p && t <= q )
		 
	 {
		 if(A[s] <= C[t])
		 {
			 B[k] = A[s];
			 s++;
		 }
		 else
		 {
			 B[k] = C[t];
			 t++;
		 }
		 k++;
	 }
	 if (s = q +1)
		 for( i = 0; i <= (r-k);i++)
			 B[k+i] = C[t+i];
		 else
			 for( i = 0; i <= (r-k);i++)
			 B[k+i] = A[s+i];
for(i = 0; i < p+q ; i++)
{
	printf("%d ",B[i]);
}
}
/*************************************
*
*   BottomUp_Sort()
* 输入:数组及长度
*************************************/
void BottomUp_Sort(int n)
{
	int i = 1,s,j;
	int *A;
	A = (int*)malloc(sizeof(int)*n);
   srand( (unsigned)time( NULL ) );  
   for(i = 0;i < n; i ++)
   {
	   A[i] = rand();
   }
    while ( i < n)
	{ 
		s = i;
		i = 2*s;
		j = 0;
		while ( j + i <= n)
		{
			Megre_sort(A,s,A+s,i);
			j++;
		}
		if ( j + s < n)
			Megre_sort(A,s,A+s,n-j);
	}
}


快速排序参考代码:

/*************************************
*
*       Quick_Sort()
* 输入:数组及长度
*************************************/
void Quick_Sort(int *A,int low,int high)
{
	
    if (A == NULL || low >= high)
        return ;
    int part = SPLIT(A, low, high);
    Quick_Sort(A, low, part-1);
    Quick_Sort(A, part+1, high);
    
   
}
/*************************************
*
*       SPLIT()
* 输入:划分数组 
*************************************/
int SPLIT(int *a, int beg, int end)
{
    int i,c,x,j;
         i = beg;
         x = a[beg];
        for(j = beg+1; j <= end; ++j)
        {
            if(a[j] <= x)
            {
			     ++i;
			     if(i != j)
			     {
    				c= a[i];
				  a[i]=a[j];
				  a[j] =c;
     			 }    
            }
        }
        x = a[beg];
		 a[beg]=a[i];
		 a[i] = x;
        return i;
}



相关文章
|
5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!
76 8
|
5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!**
75 3
|
1月前
|
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。
50 2
|
4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。
|
5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。
146 2
|
5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!
51 1
|
5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。
75 1
|
5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。
83 1
|
5月前
|
存储 算法 大数据
Python算法高手的必修课:深入理解分治法、贪心算法、动态规划,让你的代码更智能!
【7月更文挑战第9天】在Python算法学习中,分治法(如归并排序)将大问题分解为小部分递归解决;贪心算法(如货币找零)在每步选择局部最优解尝试达到全局最优;动态规划(如斐波那契数列)通过存储子问题解避免重复计算,解决重叠子问题。掌握这三种方法能提升代码效率,解决复杂问题。
60 1
|
5月前
|
算法 索引 Python
逆袭算法界!Python分治法、贪心算法、动态规划深度剖析,带你走出算法迷宫!
【7月更文挑战第8天】分治法,如快速排序,将大问题分解并合并解;贪心算法,选择局部最优解,如活动选择;动态规划,利用最优子结构避免重复计算,如斐波那契数列。Python示例展示这些算法如何解决实际问题,助你精通算法,勇闯迷宫。
53 1