分治算法(divide and conquer
)的核心思想其实就是四个字,分而治之 ,也就是将原问题划分成 n
个规模较小,并且结构与原问题相似的子问题,递归地解决这些子问题,然后再合并其结果,就得到原问题的解。
分治和递归的区别:分治算法是一种处理问题的思想,递归是一种编程技巧。
分治算法一般都比较适合用递归来实现。分治算法的递归实现中,每一层递归都会涉及这样三个操作:
- 分解:将原问题分解成一系列子问题;
- 解决:递归地求解各个子问题,若子问题足够小,则直接求解;
- 合并:将子问题的结果合并成原问题。
分治算法能解决的问题,一般需要满足下面这几个条件:
- 原问题与分解成的小问题具有相同的模式;
- 原问题分解成的子问题可以独立求解,子问题之间没有相关性,这一点是分治算法跟动态规划的明显区别;
- 具有分解终止条件,也就是说,当问题足够小时,可以直接求解;
- 可以将子问题合并成原问题,而这个合并操作的复杂度不能太高,否则就起不到减小算法总体复杂度的效果了。
假设我们有 n
个数据,我们期望数据从小到大排列,那完全有序的数据的有序度就是 n(n-1)/2
,逆序度等于 0
;相反,倒序排列的数据的有序度就是 0
,逆序度是 n(n-1)/2
。
除了这两种极端情况外,如何编程求出一组数据的有序对个数或者逆序对个数呢?
使用归并排序算法可以解决这个问题。归并排序中有一个非常关键的操作,就是将两个有序的小数组,合并成一个有序的数组。在每次合并操作中,我们都计算逆序对个数,把这些计算出来的逆序对个数求和,就是整个数组的逆序对个数了。C++
代码如下:
int num = 0; // 全局变量或者成员变量
void mergeSortCounting(int A[], int p, int r){
if(p>=r) return;
int q = (p+r)/2;
mergeSortCounting(A, p, q);
mergeSortCounting(A, q+1, r);
merge(A, p, q, r);
}
void merge(int[] A, int p, int q, int r) {
// 两个游标 i 和 j,分别指向 A[p...q]和 A[q+1...r]的第一个元素。
int i = p, j = q+1, k = 0;
int[] tmp = new int[r-p+1];
while (i<=q && j<=r) {
if (A[i] <= A[j]) {
tmp[k++] = A[i++];
}
else {
// 若当前的A[i] > A[j],则A[i++]必然大于A[j]
num += (q-i+1); // 统计p-q之间,比 A[j] 大的元素个数
tmp[k++] = A[j++];
}
}
// 将剩余的数据拷贝到临时数组 tmp
while (i <= q) {
tmp[k++] = A[i++];
}
while (j <= r) {
tmp[k++] = A[j++];
}
for (i = 0; i <= r-p; ++i) { // 从 tmp 拷贝回 A
A[p+i] = tmp[i];
}
}
其他两道比较经典的问题:
- 二维平面上有
n
个点,如何快速计算出两个距离最近的点对? - 有两个
的矩阵 A
,B
,如何快速求解两个矩阵的乘积C=A*B
?
分治算法用四个字概括就是“分而治之”,将原问题划分成 n
个规模较小而结构与原问题相似的子问题,递归地解决这些子问题,然后再合并其结果,就得到原问题的解。分治算法的思想还是非常简单、好理解。