分治算法
- 将一个复杂的问题分成两个或更多的相同或相似的子问题,再把细分子问题,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。
使用分治算法进行求解,也就意味着算法实现中,必会使用到递归。
适用情况
分治法所能解决的问题一般具有以下几个特征:
- 问题的规模 缩小 到一定的程度 就可以容易地解决;
- 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;
- 利用该问题分解出的子问题的解,可以合并为该问题的解;
- 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1个特征随着问题规模的减少,问题自然会容易解决。特征2,3是分治的前提。即Divide-and-Conquer的必要条件。 第4个特征,对于存在公共子问题的问题,使用分治算法会存在重复计算的问题,使用动态规划较为合适。
分治法的基本步骤
分治法在每一层递归上都有三个步骤:
- 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;
- 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;
- 合并:将各个子问题的解合并为原问题的解。
Divide-and-Conquer(P)
if |P|≤n0 // 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
then return(ADHOC(P)) // 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
// 将P分解为较小的子问题 P1 ,P2 ,...,Pk
for i←1 to k
do yi ← Divide-and-Conquer(Pi) // 递归解决Pi
T ← MERGE(y1,y2,...,yk) // 合并子问题
return(T)
分治法的复杂性分析
在解决规模为n的分治问题时,总是先递归地求解a个规模为n/b的子问题。 假设合并子问题的解为原问题的解需用f(n)个单位时间,则分治法的时间复杂度为:
可用分治法解决的常见问题
- 二分搜索
- 大整数乘法
- Strassen矩阵乘法
- 棋盘覆盖
- 合并排序
- 快速排序
- 线性时间选择
- 最接近点对问题
- 循环赛日程表
- 汉诺塔