分治法解决集合划分问题.ppt

算法设计与分析 ————分治法解决集合划分问题 考虑3个元素的集合{1, 2, 3}，可划分为 ① 1个子集的集合：{{1，2，3}} ② 2个子集的集合：{{1，2}，{3}}，{{1，3}，{2}}，{{2，3}，{1}} ③ 3个子集的集合：{{1}，{2}，{3}} f(m,n)=? 显然 f(3,1)=1; f(3,2)=3; f(3,3)=1; 如果要求f(4,2)该怎么办呢？ A.往①里添一个元素{4}，得到{{1，2，3}，{4}} B.往②里的任意一个子集添一个4，得到 {{1，2，4}，{3}}，{{1，2}，{3，4}}， {{1，3，4}，{2}}，{{1，3}，{2，4}}， {{2，3，4}，{1}}，{{2，3}，{1，4}} ∴f(4,2)=f(3,1)+2*f(3,2)＝1+2*3＝7 f(m,n) = int f(int m, int n) { int total_number;//存放集合总数 if(m==n || m == 0) return 1; if(n == 1) return 1; return total_number=f(m-1, n-1) + n * f(m-1, n); } //================== //集合划分问题 //================== # include iostream using namespace std; int f(int m, int n) //求集合个数的函数，m用来接收元素个数，n用来接收子集个数 { int total_number; if(m==n || m == 0) return 1; if(n == 1) return 1; return total_number=f(m-1, n-1) + n * f(m-1, n); } int main() { int m, n; cout s请输入元素个数和非空子集个数 : endl; cin m n; if(mn) { cout (error!输入的子集个数多于元素个数，请重新考虑要输入的数据!) endl; return 0; } else cout total_number f(m, n) endl; return 0; } 在vc6.0中测试的结果： 分治法的适用条件 分治法所能解决的问题一般具有以下几个特征： 该问题的规模缩小到一定的程度就可以容易地解决； 该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问题。 1、 问题的引入 任何一个可以用计算机求解的问题所需的计算时间都与其规模N有关。问题的规模越小，越容易直接求解，解题所需的计算时间也越少。 例如，对于n个元素的排序问题 当n=1时，不需任何计算； 当n=2时，只要作一次比较即可排好序； 当n=3时只要作3次比较即可 …… 当n=10000时，问题就不那么容易处理了。 由此可见：要想直接解决一个规模较大的问题，有时是相当困难的。 2、 分治法就是为解决大规模问题而提出的 　　 将要求解的大规模的问题分解为k个较小规模的问题，对这k个子问题分别求解。 T(n) T(n/2) T(n/2) 如果子问题的规模仍然不够小，则再划分为k个子问题，如此递归的进行下去，直到问题规模足够小，很容易求出其解为止。 T(n) T(n/4) T(n/2) T(n/2) T(n/4) T(n/4) T(n/4) 将求出的小规模的问题的解合并为一个更大规模的问题的解，自底向上逐步求出原来问题的解。　　 T(n) T(n/4) T(n/2) T(n/2) T(n/4) T(n/4) T(n/4) 将求出的小规模的问题的解合并为一个更大规模的问题的解，自底向上逐步求出原来问题的解。　　 T(n) T(n/4) T(n/2) T(n/2) T(n/4) T(n/4) T(n/4) 分治法的主要思路是，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。　　 T(n) T(n/4) T(n/2) T(n/2) T(n/4) T(n/4)