算法201005-分治3.pptVIP

棋盘覆盖问题 一个2k×2k的特殊棋盘是其中含有一个特殊方格的棋盘，如左下图为k 2的一个特殊棋盘。 棋盘覆盖问题分析 当k 0时，将2k×2k的棋盘分割成4个2k–1×2k–1的子棋盘，如右下图所示： 棋盘覆盖算法设计 棋盘覆盖 参数表 如果是单个格子，则返回； 将棋盘划分成尺寸为一半的子棋盘； 判断特殊方格在哪个子棋盘中，再用相应的骨牌覆盖相应结合部，并记下它们的位置； 依次对左上角、右上角、左下角和右下角这四个子棋盘进行棋盘覆盖； 棋盘覆盖算法的复杂性 设T k 是棋盘覆盖算法覆盖2k×2k的棋盘所需要的时间，则从算法的分治策略可知， T k 满足如下递归方程： 最接近点对问题 给定平面上n个点，在n个点组成的所有点对中，找出其中相互距离最小的一对点。 此问题的简单解法是，算出每个点与其它n–1 个点之间的距离，再找出其中距离最小的一对点。这样做的时间复杂性为O n2 。 下面用分治法构造一个时间复杂性为O nlogn 的算法。 为此我们先考虑一维的情况： 一维最接近点对 设S为x轴上n个点的集合，求S中最接近点对。 假设用x轴上某个点m划分S为S1和S2，使得S1 x∈S | x≤m ，S2 x∈S | x＞m 。 递归地在S1和S2中找出其最接近点对 p1，p2 和 q1，q2 ，并设d min |p1，p2|， |q1，q2| 易知，S中最接近点对是 p1，p2 或 q1，q2 ，或 p3，q3 ，这里p3 max S1 ，q3 min S2 。 一维最接近点对算法 bool Cpair1 S, d n |S|; if n 2 d ∞; return false m S中各点的坐标的中位数； 构造S1和S2; // S1 x?S | x?m , S2 x?S | x m Cpair1 S1, d1 ; Cpair1 S2, d2 ; //分别求S1和S2的最接近点对 p max S1 ; q min S2 ; d mim d1, d2, q – p ; return true 一维最接近点对算法复杂性 如果对S的分割不平衡的话，最坏的情况是S1仅含一个点，这时算法的复杂性为O n2 。 所以要采用中位数m来分割S。 该算法的分割步骤和合并步骤总共耗时O n ，因此算法耗时满足递归方程 平面最接近点对 做一条直线L：x m，将S分割为S1和S2，其中m为所有点的x坐标的中位数。递归地求得S1和S2中的最小距离d1和d2，令d min d1，d2 。 最多只需要考察6个点 考虑P1中的任意一点p，它若与P2中的点q构成最接近点对，则其距离必定小于d。这样的点必定落在一个d×2d的矩形R内： 平面最接近点对的算法 bool Cpair2 S, d n |S|; if n 2 d ∞; return false m S中各点x坐标的中位数；构造S1和S2； Cpair2 S1, d1 ; Cpair2 S2, d2 ; dm min d1, d2 构造P1和P2； //P1 p|m–dm?x p ?m , P2 q|m x q ?m+dm 将P1和P2中的点按y坐标值排序； 依次扫描P1中点u并计算u与P2中y坐标在y u ±dm范围内的点 最多6个 ；设dl是这样找到的最小距离； d min dm, dl ; return true 最接近点对算法的复杂性 则在算法中： 计算中位数和min需时为常数。 将S分割为S1和S2需时为O n 。 在排序后的P1和P2中找最小距离dl需时为O n 。 * * 1 两个例子：棋盘覆盖与最接近点对问题 2 减治法 3 分治法小结 第2章 分治与递归算法（3） 现在任意给定一个2k×2k的特殊棋盘，要用右下图所示的L型骨牌来无重叠的覆盖它。 1 1 1 2 2 2 3 3 3 4 4 4 5 在2k×2k的棋盘覆盖中要用到 4k–1 /3个L型骨牌。 5 5 2k–1×2k–1 2k–1×2k–1 2k–1×2k–1 2k–1×2k–1 然而，这样一来四个子棋盘的情形就不一致了。因为递归求解是将问题归结到较小的规模的同一问题，所以就需要将三个正常子棋盘也转化成特殊棋盘。 为此，可以用一个L型骨牌来覆盖其余三个子棋盘的会合处，如左图所示。 这样原问题转化成了四个较小规模的子问题。递归地分割下去直至单格棋盘。 特殊方格必定位于4个子棋盘之一中。 T k O 1 k 0 4T k–1 + O 1 k＞0 解此递归方程可得T k O 4k 。 由于覆盖2k×2k的棋盘要用 4k–1 /3个L型骨牌，故此算法是一个在渐进意义下最优的算法。 在应用中，