LeetCode总结,分治法总结
来源:互联网 发布:淘宝上架时间技巧 编辑:程序博客网 时间:2024/06/07 09:55
分治算法
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)。
--------------------------------------------------------------------------------
六、可使用分治法求解的一些经典问题
(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
--------------------------------------------------------------------------------
七、依据分治法设计程序时的思维过程
实际上就是类似于数学归纳法,找到解决本问题的求解方程公式,然后根据方程公式设计递归程序。
1、一定是先找到最小问题规模时的求解方法
2、然后考虑随着问题规模增大时的求解方法
3、找到求解的递归函数式后(各种规模或因子),设计递归程序即可。
八,典型分治法案例解析
1,快速排序
快排是C.R.A.Hoare于1962年提出的一种划分交换排序。它采用了一种分治的策略,该方法的基本思想是:
1).先从数列末尾取出一个数作为基准元。
2).分区过程,将比这个数大的数全放到它的右边,小于或等于它的数全放到它的左边。
3).再对左右区间重复第二步,直到各区间只有一个数。
2,归并排序
归并排序是把序列递归地分成短序列,递归出口是短序列只有1个元素(认为直接有序)或者2个序列(1次比较和交换),然后把各个有序的段序列合并成一个有序的长序列,不断合并直到原序列全部排好序。可以发现,在1个或2个元素时,1个元素不会交换,2个元素如果大小相等也没有人故意交换,这不会破坏稳定性。那么,在短的有序序列合并的过程中,稳定是是否受到破坏?没有,合并过程中我们可以保证如果两个当前元素相等时,我们把处在前面的序列的元素保存在结果序列的前面,这样就保证了稳定性。所以,归并排序也是稳定的排序算法。
核心函数:
九,Leetcode实例
题目:
在一个未排序的数组中找到第k大的元素,注意此言的第k大就是排序后的第k大的数,
注意:给定k总是安全有效的。
分析:
总是将要划界的数组段末尾的元素为划界元,将比其小的数交换至前,比其大的数交换至后,最后将划界元放在“中间位置”(左边小,右边大)。划界将数组分解成两个子数组(可能为空)。
设数组下表从low开始,至high结束。
1、 总是取要划界的数组末尾元素为划界元x,开始划界:
a) 用j从low遍历到high-1(最后一个暂不处理),i=low-1,如果nums[j]比x小就将nums[++i]与nums[j]交换位置
b) 遍历完后再次将nums[i+1]与nums[high]交换位置(处理最后一个元素);
c) 返回划界元的位置i+1,下文称其为midpos
这时的midpos位置的元素,此时就是整个数组中第N-midpos大的元素,我们所要做的就像二分法一样找到K=N-midpos的“中间位置”,即midpos=N-K
2、 如果midpos==n-k,那么返回该值,这就是第k大的数。
3、 如果midpos>n-k,那么第k大的数在左半数组
4、 如果midpos<n-k,那么第k大的数在右半数组
//思路首先: //快排划界,如果划界过程中当前划界元的中间位置就是k则找到了 //time,o(n*lg(k)),space,o(1) class Solution { public: //对数组vec,low到high的元素进行划界,并获取vec[high]的“中间位置” int quickPartion(vector<int> &vec, int low,int high) { int x = vec[high]; int i = low - 1; for (int j = low; j <= high - 1; j++) { if (vec[j] <= x)//小于x的划到左边 swap(vec,++i,j); } swap(vec,++i,high);//找到划界元的位置 return i;//返回位置 } //交换数组元素i和j的位置 void swap(vector<int>& nums, int i, int j){ int temp = nums[i]; nums[i]=nums[j]; nums[j]=temp; } int getQuickSortK(vector<int> &vec, int low,int high, int k) { if(low >= high) return vec[low]; int midpos = quickPartion(vec, low,high); //对原数组vec[low]到vec[high]的元素进行划界 if (midpos == vec.size() - k) //如果midpos==n-k,那么返回该值,这就是第k大的数 return vec[midpos]; else if (midpos < vec.size() - k) //如果midpos<n-k,那么第k大的数在右半数组 return getQuickSortK(vec, midpos+1, high, k); else //如果midpos>n-k,那么第k大的数在左半数组 return getQuickSortK(vec, low, midpos-1, k); } int findKthLargest(vector<int>& nums, int k) { return getQuickSortK(nums,0,nums.size()-1,k); } };
注:本博文为EbowTang原创,后续可能继续更新本文。如果转载,请务必复制本条信息!
原文地址:http://blog.csdn.net/ebowtang/article/details/51638278
原作者博客:http://blog.csdn.net/ebowtang
本博客LeetCode题解索引:http://blog.csdn.net/ebowtang/article/details/50668895
- LeetCode总结,分治法总结
- leetcode之分治总结
- 分治法总结
- 分治法总结
- 总结-分治
- 算法分析之分治法总结(二)
- 算法分析之分治法总结(二)
- 数据结构与算法:分治法应用总结
- 分治法——算法总结二
- 分治算法总结
- 分治策略总结
- 点分治总结
- 【总结】CDQ分治
- 【点分治总结】
- 算法:分治总结
- 点分治总结
- 树分治总结
- 树分治总结
- QPushButton下拉式菜单(是否取消下拉三角,是否check)
- 100. Same Tree
- ViewPager 放PagerAdapter 的notifyDataSetChanged()
- 我的iphone不能被虚拟机识别怎么办
- Mybatis学习
- LeetCode总结,分治法总结
- 注册流程笔记
- 堆排序(java 语言实现)
- error C2533: ' ::{ctor}' : constructors not allowed a return type
- NSString和NSEL之间转换
- jQuery中.bind() .live() .delegate() .on()的区别
- 在状态栏上做渐变动画效果
- Opencv2.0 单目相机标定,畸变矫正
- 修改类不用重启Tomcat加载整个项目