第二讲分治详解.ppt

算法分析 当n=1时，T(n)=O(1)。 当n1时，将时间T如下分解： 分解：这一步需要常量时间O(1)。 解决子问题：递归求解两个规模为n/2的子问题，所需时间为2T(n/2)。 合并：Merge算法可在O(n)时间内完成。 得到合并排序算法运行时间T(n)的递归形式为： T(n)=2(2(T(n/4)+O(n/2))+O(n) =… =2xT(n/2x)+xO(n) 求得T(n)=nT(1)+nlogn=n+nlogn，即合并排序算法的时间复杂性为O(nlogn)。 工作空间取决于Merge算法 空间复杂性为O(n)。 快速排序 问题： 对n个元素进行排序 算法思想 通过一趟扫描将待排序的元素分割成独立的三个部分：第一个部分中所有元素均不大于基准元素、第二个是基准元素、第三个部分中所有元素均不小于基准元素。 需要再按此方法对第一个部分和第三个部分分别进行排序。 整个排序过程可以递归进行。 快速排序 初始关键字： 49 38 65 97 76 13 27 50 i j x j i 完成一趟排序： ( 27 38 13) 49 (76 97 65 50) 分别进行快速排序： ( 13) 27 (38) 49 (50 65) 76 (97) 快速排序结束： 13 27 38 49 50 65 76 97 49 49 i j i j i j 49 65 j i 13 49 i j 27 97 i j 算法图示： 分解? ?在R[low:high]中选定一个元素作为基准元素(pivot)，以此基准元素为标准将待排序序列划分为两个子序列并使序列R[low:pivotpos-1]中所有元素的值均小于等于R[pivotpos]，序列R[pivotpos+1:high]中所有元素的值均大于等于R[pivotpos]。 求解子问题? 对子序列R[low:pivotpos-1]和R[pivotpos+1:high],分别通过递归调用快速排序算法来进行排序。 合并 就地排序。 算法： void quicksort(int r[],int low,int high){ int l=low, h= high ; r[0]=r[l]; while(l h ) { while((l h) (r[h]= r[0])) h--; r[l]=r[h]; while( (l h) (r[l] = r[0])) l++; r[h]=r[l] ; } r[l]=r[0]; quicksort(r, l, h-1 ); quicksort(r, h+1, high ); } 算法分析 最坏情况：O(n2) 最好情况：O(nlogn) 平均情况：O(nlogn) 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 Board[ ][ ] Size=4 //tr,tc是子棋盘左上角的坐标；dr,dc是特殊格的坐标 * Divide and Conquer 分治策略 基本思想 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。 何时能、何时应该采用分治法来解决问题呢？ 分治法的解题步骤 步骤1：分解——即将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； 步骤2：治理 步骤2-1：求解各个子问题（递归） 步骤2-2：合并 分治法的基本步骤 divide-and-conquer(P) { if ( | P | = n0) Adhoc(P); //解决小规模的问题 divide P into smaller subinstances P1,P2,...,Pk；//分解问题 for (i=1,i=k,i++) yi=divide-and-conquer(Pi); //递归的解各子问题 return merge(y1,...,yk); //将各子问题的解合并为原问题的解 } 最好使子问题的规模大致相同。 一种平衡子问题的思想 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