算法讲义PPT-Chapter-3 分治策略.ppt

3 分治策略Divide and Conquer 引例：快速排序 将 A[1...8]={4, 6, 3, 1, 8, 7, 2, 5} 按照非降序方式进行排序 SPLIT:以待排序数组的首元素作为基准元素，将待排序数组分成左右两个子数组。使得左边子数组中的元素都小于等于基准元素；右边子数组中的元素都大于等于基准元素。 对左、右子数组进行相同的操作。 时间复杂度分析 分治策略的思想 把规模较大的问题分解为若干个规模较小的子问题， 这些子问题相互独立且与原问题同类； (该子问题的规模减小到一定的程度就可以容易地解决) 依次求出这些子问题的解，然后把这些子问题的解组合起来得到原问题的解。 由于子问题与原问题是同类的,故分治法可以很自然地应用递归。 使用分治策略的算法设计模式 使用分治策略的算法的时间复杂度分析 从分治法的一般设计模式可以看出，用它设计出的算法通常可以是递归算法。因而，算法的效率通常可以用递归方程来分析。 假设算法将规模为n的问题分解为a(a=1)个规模为n/b(b1)的子问题解决。分解子问题以及合并子问题的解耗费的时间为s(n)，则算法的时间复杂度可以递归表示为： 回顾Master Theorem 合并排序Merge Sort 时间复杂度分析 矩阵乘法 设A,B是两个n×n的矩阵，求C=AB. 方法1: 直接相乘法 方法2: 分块矩阵法(直接应用分治策略) 方法3: Strassen算法(改进的分治策略) 方法1: 直接相乘 方法2:分块矩阵法(直接应用分治策略) Strassen算法 大整数相乘 通常，在分析算法的计算复杂度时，都将加法和乘法运算当作基本运算来处理，即将执行一次加法或乘法运算所需要的计算时间当作一个常数，该常数仅仅取决于计算机硬件处理速度。 然而，这个假定仅仅在参加运算的整数处于一定范围内时才是合理的。这个整数范围取决于计算机硬件对整数的表示。 在某些情况下，要处理很大的整数，它无法在计算机硬件能直接表示的整数范围内进行处理。这时候，就必须使用软件的方法来实现大整数的算术运算。 问题：设有两个n bit位的二进制整数X, Y，要计算XY. 使用分治策略来求解之 时间复杂性分析 排列问题 算法的一个Java实现如下: Hanoi塔问题 设a,b,c 是3 个塔座。开始时，在塔座a 上有一叠共n个圆盘，这些圆盘自下而上、由大到小地叠在一起。各圆盘从小到大编号为1,2,…,n。 现要求将塔座a 上的这一叠圆盘移到塔座b 上，并仍按同样顺序叠置。在移动圆盘时应遵守以下移动规则： 规则1：每次只能移动1个圆盘； 规则2：任何时刻都不允许将较大的圆盘压在较小的圆盘之上； 规则3：在满足移动规则1 和2 的前提下，可将圆盘移至a,b,c 中任一塔座上。 寻找中项和第k小元素 给定已排好序(非降序)的数组A[1…n],中项是指其“中间”元素。若n为奇数，则中项为数组中的第(n+1)/2个元素；若n为偶数，则存在两个中间元素，分别为第n/2和第n/2+1个元素，在这种情形下，我们取第n/2个元素作为中项；综上，中项为第? n/2 ?个最小元素。 寻找中项的一个直接的方法：先排序，后取中项。显然，该方法的时间复杂度至少为Ω(nlogn)。能够找到更为高效的方法？ 寻找中项是寻找第k小元素的一个特列。如果能解决寻找第k小元素的问题，那么当k= ? n/2 ?时，解决的就是寻找中项问题。 回顾二分搜索：以中间元素为基准抛弃部分元素，不断减小问题规模。 思路 如果数组A中元素的个数小于一个阈值，那么采用直接的方法寻找第k小元素。 否则，将n个元素划分成?n/5?组，每组5个元素，如果n不是5的倍数，则排除剩余的元素。 (注意：这并不代表第k小元素不可能位于这些排除的元素中详见后续分析)。 对每组元素排序，并取出它们的中项(即第3个元素)。 ?n/5?个中项的中项，我们记为mm。 依据mm将数组A划分为三个子数组：A1＝{a|amm}、A2＝{a|a=mm}、A3={a|amm}。 判断第k小元素可能在哪一个子数组中出现：如果在A2 中出现，则已经找到；否在，在A1或A3上进行递归。 一个例子： 为方便演示，设阈值为6。现要寻找下面数组A中的第13小元素：A={8,33,17,51,57,49,35,11,25,37,14,3,2,13,52,12,6,29,32,54,5,16,22,23,7} 时间复杂性分析 A1’表示小于或等于mm的元素集,A1是严格小于mm的元素集。 A3’表示大于或等于mm的元素集,A3是严格大于mm的元素集。 因为 A1’至少与W同样大(为什么？)，所以| A1’ | ≥3 ? ?n/5?/2 ? ≥3/2 ?n/5? (为什么？) ，所以 | A3 |