前言:
在之前的文章中笔者介绍了归并排序,归并排序的核心思想就是分治,引出了这次笔者关于分治策略的介绍。
正文:
正如在归并排序中提及的,分治策略中求解问题采用递归的方法,每层递归分为三个步骤:
- 分解,将问题划分为规模更小的子问题。
- 解决,递归求解出小问题,当小问题规模足够小时,停止递归,直接求解。
- 合并,将小问题的解合并成原问题的解。
当子问题足够大时,需要继续递归求解,称之为递归情况。
而当子问题规模足够小时,不需要继续递归,可以进行求解,称之为基本情况。
注意,有时需要求解与原问题不完全一样的子问题,将其求解看做合并步骤的一部分。
求解递归式的方法有三个:
- 代入法:猜测一个界,然后用数学归纳法证明这个界是正确的。
- 递归树法:将递归式转换为一棵树,其结点表示不同层次的递归调用产生的代价。采用边界和技术来求解递归式。
- 主方法:可求解形如下面公式的递归式的界。
T(n)=aT(n/b)+f(n)
其中a>=1,b>1,f(n)是一个给定的函数。它刻画了这样一个分治算法,生成a个子问题,每个子问题是原问题规模的1/b,分解和合并步骤花费时间为f(n)。
递归式细节
在实际应用中常常会忽略递归式声明和一些技术细节,比如向下取整、向上取整以及边界条件。
例如,对n个数进行归并排序,当n为奇数时,两个子问题的规模精确来说不是n/2而应该分别是,n/2的向下取整与向上取整。而在实际运算和描述其最坏情况运算时间时,我们都忽略了这个细节而直接取n/2进行讨论。
实例分析:最大子数组问题(参考自算法导论)
你初次接触股票看中了一家生物化学公司,而这家公司股票价格不算稳定。你可以在某个时刻买进一股该公司的股票,并在之后的某天卖出,假设你获得了这家公司未来的价格走向,但是你进行买进卖出都只能在当天交易结束后进行。用表格的形式展示价格走向:
天数 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
价格 | 100 | 113 | 110 | 85 | 105 | 102 | 86 | 63 | 81 | 101 | 94 | 106 | 101 | 79 | 94 | 90 | 97 |
差价 | 13 | -3 | -25 | 20 | -3 | -16 | -23 | 18 | 20 | -7 | 12 | -5 | -22 | 15 | -4 | 7 |
由此可见实际所求即为求一个最大子数组的问题。
采用分治策略,把原数组分为两个规模尽可能相等的子数组。
而对于最大子数组只会出现两种情况:1、完全位于子数组中;2、跨越中点。
具体的代码实现可参考一下两篇文章:
最大子数组递归和非递归(暴力)
最大子数组问题(动态规划)–【算法导论】
在这里提一下,笔者正在尝试在Github上建立自己的博客,当然是从参考别人的博客开始一步步慢慢来,当有所成果之后会提供链接,欢迎大家去看。