【恋上数据结构与算法二】(七)分治(Divide And Conquer)

分治(Divide And Conquer)

◼ 分治，也就是分而治之。它的一般步骤是
1.将原问题分解成若干个规模较小的子问题(子问题和原问题的结构一样，只是规模不一样)
2.子问题又不断分解成规模更小的子问题，直到不能再分解(直到可以轻易计算出子问题的解)
3.利用子问题的解推导出原问题的解

◼ 因此，分治策略非常适合用递归

◼ 需要注意的是:子问题之间是相互独立的

◼ 分治的应用
快速排序
归并排序
Karatsuba算法(大数乘法)

主定理(Master Theorem)

◼ 分治策略通常遵守一种通用模式
解决规模为 n 的问题，分解成 a 个规模为 n 的子问题，然后在 O(n^d)
时间内将子问题的解合并起来

算法运行时间为:T(n) =aT(n/b)+O(n^d), a>0,b>1,d>=0
✓d>log_ba，T(n) = O(n^d)
✓d=log_ba，T(n) = O(n^dlogn)
✓d<log_ba，T(n) = O(n^log_ba)

◼比如归并排序的运行时间是:T(n) =2T(n/2) +O(n) ，a=2,b=2,d=1，所以T n =O(nlogn)

◼ 思考:为什么有些问题采取分治策略后，性能会有所提升?

练习1 – 最大连续子序列和

◼ leetcode_53_最大子序和

◼给定一个长度为 n 的整数序列，求它的最大连续子序列和
比如 –2、1、–3、4、–1、2、1、–5、4 的最大连续子序列和是 4 + (–1) + 2 + 1 = 6

◼这道题也属于最大切片问题(最大区段，Greatest Slice)

◼ 概念区分
子串、子数组、子区间必须是连续的，子序列是可以不连续的

解法1 – 暴力出奇迹

◼穷举出所有可能的连续子序列，并计算出它们的和，最后取它们中的最大值

static int maxSubarray1(int[] nums) {
    if (nums == null || nums.length == 0) return 0;
    int max = Integer.MIN_VALUE;
    for (int begin = 0; begin < nums.length; begin++) {
        for (int end = begin; end < nums.length; end++) {
            int sum = 0; // sum是[begin, end]的和
            for (int i = begin; i <= end; i++) {
                sum += nums[i];
            }
            max = Math.max(max, sum);
        }
    }
    return max;
}

◼空间复杂度:O(1)，时间复杂度:O(n³)

解法1 – 暴力出奇迹 – 优化

◼ 重复利用前面计算过的结果

static int maxSubarray2(int[] nums) {
    if (nums == null || nums.length == 0) return 0;
    int max = Integer.MIN_VALUE;
    for (int begin = 0; begin < nums.length; begin++) {
        int sum = 0;
        for (int end = begin; end < nums.length; end++) {
            sum += nums[end];
            max = Math.max(max, sum);// 优化：重复利用前面计算过的结果
        }
    }
    return max;
}

◼空间复杂度:O(1)，时间复杂度:O(n²)

解法2 – 分治

◼将序列均匀地分割成 2 个子序列
[begin , end) = [begin , mid) + [mid , end)，mid = (begin + end) >> 1

◼假设 [begin , end) 的最大连续子序列和是 S[i , j) ，那么它有 3 种可能
[i , j) 存在于 [begin , mid) 中，同时 S[i , j) 也是 [begin , mid) 的最大连续子序列和
[i , j) 存在于 [mid , end) 中，同时 S[i , j) 也是 [mid , end) 的最大连续子序列和
[i , j) 一部分存在于 [begin , mid) 中，另一部分存在于 [mid , end) 中
✓[i , j) = [i , mid) + [mid , j)
✓S[i , mid) = max { S[k , mid) }，begin ≤ k < mid
✓S[mid , j) = max { S[mid , k) }，mid < k ≤ end

static int maxSubArray(int[] nums) {
    if (nums == null || nums.length == 0) return 0;
    return maxSubArray(nums, 0, nums.length);
}

static int maxSubArray(int[] nums, int begin, int end) {
    if (end - begin < 2) return nums[begin];
    int mid = (begin + end) >> 1;
    int leftMax = nums[mid - 1];
    int leftSum = leftMax;
    for (int i = mid - 2; i >= begin; i--) {
        leftSum += nums[i];
        leftMax = Math.max(leftMax, leftSum);
    }
    int rightMax = nums[mid];
    int rightSum = rightMax;
    for (int i = mid + 1; i < end; i++) {
        rightSum += nums[i];
        rightMax = Math.max(rightMax, rightSum);
    }
    return Math.max(leftMax + rightMax,
                Math.max(
                maxSubArray(nums, begin, mid),
                maxSubArray(nums, mid, end))
            );
}

◼空间复杂度:O(logn)

◼时间复杂度:O(nlogn)
跟归并排序、快速排序一样
Tn=2T(n/2) +O(n)

练习2 – 大数乘法

◼ 2个超大的数(比如2个100位的数)，如何进行乘法?
按照小学时学习的乘法运算，在进行 n 位数之间的相乘时，需要大约进行 n² 次个位数的相乘
比如计算 36 x 54

◼T(n)=4T(n/2)+O(n)=O(n²)

◼ 1960 年 Anatolii Alexeevitch Karatsuba 提出了 Karatsuba 算法，提高了大数乘法的效率

最后编辑于：2021.05.01 00:54:54