转:http://blog.csdn.net/effective_coder/article/details/8697789
一、基本概念
在计算机科学中,分治法是一种很重要的算法。字面上的解释是“分而治之”,就是把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题……直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并。这个技巧是很多高效算法的基础,如排序算法(快速排序,归并排序),傅立叶变换(快速傅立叶变换)……
任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。问题的规模越小,越容易直接求解,解题所需的计算时间也越少。例如,对于n个元素的排序问 题,当n=1时,不需任何计算。n=2时,只要作一次比较即可排好序。n=3时只要作3次比较即可,…。而当n较大时,问题就不那么容易处理了。要想直接 解决一个规模较大的问题,有时是相当困难的.
二、基本思想及策略
分治法的设计思想是:将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。
分治策略是:对于一个规模为n的问题,若该问题可以容易地解决(比如说规模n较小)则直接解决,否则将其分解为k个规模较小的子问题,这些子问题互相独立且与原问题形式相同,递归地解这些子问题,然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。
如果原问题可分割成k个子问题,1<k≤n,且这些子问题都可解并可利用这些子问题的解求出原问题的解,那么这种分治法就是可行的。由分治法产生的 子问题往往是原问题的较小模式,这就为使用递归技术提供了方便。在这种情况下,反复应用分治手段,可以使子问题与原问题类型一致而其规模却不断缩小,最终 使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。分治与递归像一对孪生兄弟,经常同时应用在算法设计之中,并由此产生许多高效算法。
三、分治法适用的情况
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。
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;
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。
第一条特征是绝大多数问题都可以满足的,因为问题的计算复杂性一般是随着问题规模的增加而增加;
第二条特征是应用分治法的前提它也是大多数问题可以满足的,此特征反映了递归思想的应用;、
第三条特征是关键,能否利用分治法完全取决于问题是否具有第三条特征,如果具备了第一条和第二条特征,而不具备第三条特征,则可以考虑用贪心法或动态规划法。
第四条特征涉及到分治法的效率,如果各子问题是不独立的则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然可用分治法,但一般用动态规划法较好。
四、分治法的基本步骤
分治法在每一层递归上都有三个步骤:
step1 分解:将原问题分解为若干个规模较小,相互独立,与原问题形式相同的子问题;
step2 解决:若子问题规模较小而容易被解决则直接解,否则递归地解各个子问题
step3 合并:将各个子问题的解合并为原问题的解。
它的一般的算法设计模式如下:
Divide-and-Conquer(P)
1. if |P|≤n0
2. then return(ADHOC(P))
3. 将P分解为较小的子问题 P1 ,P2 ,...,Pk
4. for i←1 to k
5. do yi ← Divide-and-Conquer(Pi) △ 递归解决Pi
6. T ← MERGE(y1,y2,...,yk) △ 合并子问题
7. return(T)
其中|P|表示问题P的规模;n0为一阈值,表示当问题P的规模不超过n0时,问题已容易直接解出,不必再继续分解。ADHOC(P)是该分治法中的基本 子算法,用于直接解小规模的问题P。因此,当P的规模不超过n0时直接用算法ADHOC(P)求解。算法MERGE(y1,y2,...,yk)是该分治 法中的合并子算法,用于将P的子问题P1 ,P2 ,...,Pk的相应的解y1,y2,...,yk合并为P的解。
五、分治法的复杂性分析
一个分治法将规模为n的问题分成k个规模为n/m的子问题去解。设分解阀值n0=1,且adhoc解规模为1的问题耗费1个单位时间。再设将原问题分解为 k个子问题以及用merge将k个子问题的解合并为原问题的解需用f(n)个单位时间。用T(n)表示该分治法解规模为|P|=n的问题所需的计算时间, 则有:
T(n)= k T(n/m)+f(n)
通过迭代法求得方程的解:
递归方程及其解只给出n等于m的方幂时T(n)的值,但是如果认为T(n)足够平滑,那么由n等于m的方幂时T(n)的值可以估计T(n)的增长速度。 通常假定T(n)是单调上升的,从而当 mi≤n<mi+1时,T(mi)≤T(n)<T(mi+1)。
(8)最接近点对问题
void RandomBigNumFun(int low,int high) //传递参数为底数和指数 { unsigned int temp[1024] = {0}; //初始化一个数组,用来存放10000进制的数据 temp [0] = low; //初始化第一个元素为需要的值! int flag = -1; //标记变量,用来指示是否需要往上一位进位,同事保存进多少 unsigned int m_count = 1; //技术变量,计算数组中被占用了多少个元素 int _index,index; //两个循环变量 for(_index = 0;_index <high-1; ++_index) //循环high-1次 因为本身temp[0]= low, { for(index = 0; index < m_count ; ++index) //循环m_count次,其实原本可以把整个数组循环完 { //只不过耗时了,因为实际有值的地方只有m_count个 temp[ index ] *= low; if(flag != -1) //检测下一位是否溢出,需要向自己进位 { temp[index] += flag; flag = -1; //进位之后别忘记把标记在设置为-1 } if(temp[index] > 9999) //判断是否需要向上一位进位 { flag = temp[index]/10000 ; temp[index] %= 10000; } } if(flag != -1) { temp[index] += flag; ++m_count; flag = -1; } if(m_count > 1023) { printf("数据过大而数组过小,请重置存放数组的大小"); exit(0); } } for(index = m_count-1;index >=0;--index) //这里值得说明,如果该位上是1,则要输出0001,因为是一万进制 { if(temp[index] < 10) cout<<"000"<<temp[index]; else if(temp[index] < 100) cout<<"00"<<temp[index]; else if(temp[index] < 1000) cout<<"0"<<temp[index]; else cout<<temp[index]; } }其实上述函数需要传递参数进去,这里就传3和2000进去,运行结果如下(大得难以想象):
#include <iostream> using namespace std; inline int Translate(char str) { return (str - 48); } int _tmain(int argc, _TCHAR* argv[]) { char NumStr1 [3] = {'2','3','4'}; char NumStr2 [3] = {'4','5','6'}; int temp[3][6] = {0}; signed int flag = -1; int Temp_x = 0; int Temp_y ; int _index,index; for(_index = 2;_index >= 0 ;--_index) //这里的两重循环是分别赋值到二维数组里面 { Temp_y = 5 - Temp_x; for(index = 2;index >= 0;--index,--Temp_y) { temp[Temp_x][Temp_y] = Translate(NumStr2[_index]) * Translate(NumStr1[index]); if(flag != -1) { temp[Temp_x][Temp_y] += flag; flag = -1; } if(temp[Temp_x][Temp_y] >= 10) { flag = temp[Temp_x][Temp_y]/10; temp[Temp_x][Temp_y] %= 10; } } if(flag != -1) { temp[Temp_x][Temp_y] += flag; flag = -1; } ++ Temp_x; } int temp_sum[6]={0}; flag = -1; for(int j=5;j >= 0;-- j) //接下来这个循环是加每一列的数组到最后的结果数组里面 { for(int i=2;i>=0;--i) temp_sum[j] += temp[i][j]; if(flag != -1) { temp_sum[j] += flag; flag = -1; } if( temp_sum[j] >= 10) { flag = temp_sum[j] /10; temp_sum[j] %= 10; } } flag = -1; for(int i = 0;i !=6;++ i) //这里是输出结果 cout<<temp_sum[i]; cout<<endl; system("pause"); return 0; }
#include <stdio.h> #include <stdlib.h> static int count = -1; void move(char x,char y); // 对move函数的声明 void hanoi(int n,char one,char two,char three) ;// 对hanoi函数的声明\ int main() { int m; printf("请输入一共有多少个板子需要移动:"); scanf("%d",&m); printf("以下是%d个板子的移动方案:\n",m); hanoi(m,'A','B','C'); system("pause"); return 0; } void hanoi(int n,char one,char two,char three) // 定义hanoi函数 // 将n个盘从one座借助two座,移到three座 { if(n==1) move(one,three); else { hanoi(n-1,one,three,two); //首先把n-1个从one移动到two move(one,three); //然后把最后一个n从one移动到three hanoi(n-1,two,one,three); //最后再把n-1个从two移动到three } } void move(char x,char y) // 定义move函数 { count++; if( !(count%5) ) printf("\n"); printf("%c移动至%c ",x,y); }如果输入5个板子,则移动的方案为:
#include <iostream> using namespace std; int binary_sreach(int *array,int len,int elem); int main(int argc, char* argv[]) { int a[7] = {1,2,3,6,8,9,99}; cout<<binary_sreach(a,7,6); system("pause"); return 0; } int binary_sreach(int *array,int len,int elem) { int low = 0; int high = len - 1; int middle; while (low <= high) { middle = (low + high)/2; if(array[middle] == elem) return middle; else if(array[middle] > elem) high = middle; else low = middle; } return -1; }运行结果也可想而知是3,二分法其实也就这么简单,这里也明显利用了分治的思想!!
相关推荐
分治算法详解 分治算法是一种常用的算法设计思想,通过将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。该算法的设计思想是,将一个难以直接解决的大问题,分割成一些规模较小...
第五讲:分治算法详解 (2).pptx
**分治算法详解** 分治算法是计算机科学中一种重要的问题解决策略,它将一个大问题分解成若干个规模较小的相同或相似的子问题,然后递归地解决这些子问题,最后将子问题的解合并得到原问题的解。这种方法能够有效地...
### 分治算法详解 #### 一、分治算法概述 **分治算法**是一种重要的算法设计策略,其核心思想是将一个复杂的问题分解成两个或更多的相同或相似的子问题,直到最后子问题可以简单的直接求解,原问题的解即子问题的...
**二分查找与分治算法详解** 二分查找是一种基于分治策略的高效搜索算法,主要应用于有序数据集合。在给定的升序排列的数组a[0:n-1]中,二分查找的目标是找到特定元素x的位置,或者确认元素不在数组中。算法的基本...
#### 三、递归与分治算法详解 ##### 分治法的概念 分治法是一种强大的问题解决策略,其核心思想是将问题分解为更小的子问题,直至子问题足够简单可以直接求解。具体步骤如下: 1. **分解**:将原问题分解成一系列...
### 分治算法在求解最大值与最小值问题中的应用 #### 一、分治算法原理及背景 分治算法是一种高效的问题解决策略,它通过将一个复杂的问题分解成若干个相同或相似的小问题来逐步求解。这些小问题彼此独立且与原...
### 递归与分治算法知识点详解 #### 一、递归与分治的基本概念 递归与分治是算法设计中的两种重要方法,它们在解决问题时常常被结合使用。 **递归**是一种通过调用自身来解决问题的方法。在递归过程中,问题会被...
2.1.1 分治算法的一般性描述 2.2 分治算法的分析 2.3 改进分治算法的途径(不做要求) 2.3.1 通过代数变换减少子问题个数 2.3.2 利用预处理减少递归内部的计算量 2.4 典型实例 2.4.1 求最大最小元 2.4.2 排序问题...
"C++递归与分治算法解的Red and Black问题、Fractal问题、Rank the Languages问题详解" 本文档将详细介绍C++递归与分治算法在解决Red and Black问题、Fractal问题、Rank the Languages问题中的应用,包括问题描述、...
**算法数据结构(01) - 五大数据结构与分治算法详解** 在计算机科学领域,数据结构和算法是核心基础,它们对于高效地解决问题至关重要。本文将首先介绍五大数据结构,随后深入探讨分治算法的基本概念、思想、适用...
### ACM分治算法详解 #### 一、分治算法概览 分治算法是一种重要的算法设计策略,其核心思想在于将一个复杂问题分解为若干个规模较小但与原问题相似的子问题,然后分别求解这些子问题,最终将各个子问题的解组合...
### 程序设计五大算法之分治算法详解 #### 一、引言 在程序设计领域,算法是解决问题的核心工具之一。其中,“分治算法”作为一种基础且强大的方法论,广泛应用于各种场景中,包括但不限于排序算法(如快速排序、...
### 分治算法详解 #### 一、概述 **分治算法**是一种强大的算法设计思想,在计算机科学领域占有举足轻重的地位。它基于一个简单但非常有效的策略:将一个复杂的问题分解成两个或更多的相同或相似的子问题,直到...
《分治算法详解及其在编程中的应用》 分治(Divide and Conquer)是一种重要的算法设计策略,它将一个复杂的问题分解成两个或更多的相同或相似的子问题,直到最后子问题可以简单的直接求解,原问题的解即子问题的解...
1. **分治算法**:分治算法是一种重要的解决问题的策略,它将一个大问题分解成若干个相同或相似的小问题,分别解决这些小问题,然后再合并其结果来解决原问题。在本例中,我们利用分治算法来寻找一个n元数组的最大值...
* 分治算法:分治算法详解:运算优先级、扫描线技巧:安排会议室剪视频剪出⼀个贪⼼算法 * 数学算法:数学算法谈谈游戏中的随机算法、如何⾼效寻找素数、两道常考的阶乘算法题 三、高级算法 * 二叉树:东哥带你刷...