1-Divie Conqure.docVIP

第2章 分治法（Divide Conquer） （算法常用技术之首） 六大算法常用技术： 分治法（e.g. 快速排序）贪心法（局部最优法，e.g. 最小生成树） 周游法（e.g. DFS, BFS）回朔法（e.g. 8皇后问题，平面点集的凸包） 动态规划法 分枝定界法（e.g. 整数规划） 快速排序的思想： 用O(n)的时间把一个规模为n的表分割为两段， 前段中的数据元素均小于后段中的数据元素， 然后对分割后所得的两个小一点的表采用同样的方法分别进行排序；当两个小表排好之后，整个表的排序也就完成了。 分治法的要领 分治法是把一个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； 首先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，故使用分治法很自然地要用到递归。 因此分治法分三步： 1 将原问题分解为子问题（Divide） 2 求解子问题（Conquer） 3 组合子问题的解得到原问题的解（Combine） 分治法举例：给定n个数据元素，要找出其中的最大元和最小元。 简单直观的方法： 一个一个地找，用n-1次比较来找出最大元，再用n-2次比较来找出最小元。比较次数（基本运算）为2n-3次。 用分治法如何求解？（参看Aho书，P60, 图2.12） 当n=2时，一次比较就可以找出两个数据元素的最大元和最小元。 当n2时，可以把n个数据元素分为大致相等的两半， 一半有?n/2?个数据元素，而另一半有?n/2?个数据元素。 先分别找出各自组中的最大元和最小元，然后 将两个最大元进行比较，就可得n个元素的最大元； 将两个最小元进行比较，就可得n个元素的最小元。 因此算法的时间复杂度为： T(n)= 此方程可用主定理求解： a=2, b=2, f(n)=2, =n1, f(n)比的量级低（第一种情况）； 所以可得T(n)= ? ()= ?(n)。 但此法还不够精确。（简单直观的算法的时间复杂度也只有2n-3。） 设n=2k, 根据递归方程有T(2k)=2T(2k-1)+2, 令T(2k)=g(k) （函数变形法）， 则有g(k)=2g(k-1)+2, 从而有g(k-1)=2g(k-2)+2，g(k-2)=2g(k-3)+2，… 不断使用代入法可得：T(n)=T(2k)= g(k) = 2(2g(k-2)+2)+2 = 22g(k-2)+22 = 23g(k-3)+23+22 = … =2k-1g(1)+2k-1+ … +23+22+2 =n/2*T(2) + (2k-2) = n/2+n-2 = 3n/2-2, 即T(n)=3n/2-2。 当n?2k时，则n可表为若干2的正整数幂之和，（e.g. 42=32+8+2）， 若n是偶数，则算法的时间复杂度仍可达到3n/2-2。 e.g. 对n=42，将元素分为32个一组，8个一组和2个一组共3组后， 各组找出最大、最小元分别需要46，10和1次比较， 3个最大元用2次比较即可得整体最大元，同理 3个最小元用2次比较即可得整体最小元，故有46+10+1+2+2=61, 而3n/2-2=3*42/2-2也等于61，故的确是3n/2-2。 一般地，当n?2k但为偶数时，则可将n分解为若干2的正整数幂之和： n=2m1+2m2+ … +2mk且m1m2 … mk? 对规模为ni=2mi的每组元素，找出最大、最小元需要3ni/2-2次比较, 故获得k组各自的最大、最小元需要=3n/2-2k； 然后用2k-2次比较就可从每组的最大元、最小元（均为k个）中 求出整体的最大元和最小元，故全部的比较次数仍为3n/2-2。 当n?2k但为奇数时，则可将n分解为若干2的正整数幂之和加1： n=2m1+2m2+ … +2mk+1且m1m2 … mk? 由于2m1+2m2+ … +2mk=n-1，故=3(n-1)/2-2k； 注意此时共有k+1组最大、最小元，取得整体解还需比较2k次 （单独的一个元素既是该组最大元，也是该组最小元）， 故全部的比较次数为3(n-1)/2即3n/2-3/2，亦可看成为?3n/2-2?。 已经证明，在规模为n的数据元素集合中找出最大元和最小元， 至少需要?3n/2-2?次比较，即?3n/2-2?是找最大最小元算法的下界。 因此，从比较次数最少的意义上来讲， 找最大最小元的分治法算法已经达到最优。虽然从理论上看， 将n分解为若干2的正整数幂之和可以获得最少的比较次数， 但实际计算时为简单起见，一般把n个数据元素分为大致相等的两半：一半有?n/2?个数据元素，而另一半有?n/2?个数据元素。 先分别找出各自组中的最大最小元 （如组中只有一个元素，则其既是最