算法设计与分析_10算法设计-分治法.ppt

算法设计与分析演示稿 纪玉波制作(C) 算法设计与分析 ——分治法 * * 分治法（divide-and-conquer） 分治策略是一种用得最多的一种有效方法，它的基本思想将问题分解成若干子问题，然后求解子问题。子问题较原问题无疑是要容易些，由此得出原问题的解，就是所谓的“分而治之”的意思。分治策略还可以递归进行，即子问题仍然可以用分治策略来处理，最后的问题是非常基本而简单。下面举几个例子。 1.合并排序 合并算法排序即属于分治方法。合并（Merge）就是将两个或多个有序表合并成一个有序表，例如下图所示的两个有序表经合并运算后得到一个有序表。我们在此只用到两个有序表的合并，称为二路并〔Two-way merge）。 合并排序（Merge sort）就是利用这种合并过程进行排序，即先将n个数据看成n个长度为l的表，将相邻的表成对合并，得到长度为2的n/2个有序表；进一步再将相邻表成对会并，得到长度为4的n/4个有序表；……；如此重复做下去，直至所有数据均合并到一个长度为n的有序表为止，即完成排序。上述每一次的合并过程称为一趟〔Pass），整个排序过程叫二路合并排序。下图是二路合并排序过程的一个例子。 [7] [15] [13] [10] [4] [20] [19] [8] [7] [15] [10] [13] [4] [20] [8] [19] [7] [10] [13] [15] [4] [8] [19] [20] [4] [7] [8] [10] [13] [15] [19] [20] 对于二路合并，如果数据个数n是2的整数次方，则所需的趟数为logn，例如n=8，logn=3，故共需三趟合并过程。如果n不是2的整数次方，则在每趟合并时表的数目不一定总是偶数个。若表的数目为奇数，就剩下一个表要“轮空”，直接进入下一趟。这样，下一趟合并时此表的长度与其它的表将不相同，因此我们设计的合并过程，并不要求待合并的两个表长度必须相同。 二路合并排序的时间复杂性为O(nlogn），与堆排序及快速排序平均情况的时间复杂性同样数量级。 2．在互不相同的n个数{x1, x2,…, xn}中，找出最大和最小的数。 若用普通的算法为： begin xmax←x1;xmin←x1 for i=2 to n do begin if xmaxxi then xmax←xi if xminxi then xmin←xi end end 此算法的比较次数为2(n-1)=2n-2，显然不是最优的。如果用分治法解决法，写出递归过程为： 过程MAXMIN(x1, x2,…, xn) （1）如n=1,则xmax←x1, xmin←x1 （2）如n=2,则比较x1与x2，令大者为xmax，小者为xmin （3）如n2,则 调用MAXMIN(x1, …, x[n/2]) 调用MAXMIN(x[n/2]+1,…, xn) 比较两个最大值，令大者为xmax 比较两个最小值，令小者为xmin。 下面分析用此算法的比较次数。设T（n）表示元素个数为n时的总比较次数，则 T（1）=0，T（2）=1 （n2） 为方便起见，设n=2r，问题的逐层划分如下表所示： 可以证明 T(n)=3n/2-2 此值恰好等于问题的下界，故这是最优算法。 其实，此问题也不一定要用递归算法来解决，可将数据分成两个一组的n/2组，第一组比较一数，令大的为xmax，小的为xmin，以后各组比较三次，先两个数据比较，其中大者再与xmax比，小者再与xmin比，总比较次数也恰为 。 3. 两数相乘 我们研究两个n位二进制数相乘的问题。假设两个一位数相乘，两个一位数相加和任何数移位一步所需运算时间均为O(1)，即均为常数。用普通的方法运算，将乘数的每一位（由低位至高位）逐个去乘被乘数，每乘一次将成积与原来的积相加，然后乘数和乘积移位一步，如此下去直至乘数的最高位运算完即得出结果，这样运算共需n2 次一位乘一位运算，n(n-1)次一位加一位运算和n次移位，总运算复杂性为O（n2）。 现在用分治法来做。设n=2r,将两个数都按位数划分成两段，如图所示， 这需要三次n位的加法，一次n步移位，一次n/2步移位和四次n/2位的乘法。 设用分治法做两个n位数乘法的复杂性为T（n），因加法和移位都是O（n），故 这样并没有显出其优越性，我们可以将其进一步改进，增加一些加法运算以减少乘法运算。 上式的4次乘法可以由3次完成。