天津科技大学算法设计与分析 第4章 分治法.pptVIP

算法设计与分析--分治法 三个步骤实现 （1）将塔A上的n-1个碟子借助塔C先移到塔 B上。 （2）把塔A上剩下的一个碟子移到塔C上。 （3）将n-1个碟子从塔B借助塔A移到塔C上。 显然，这是一个递归求解的过程 （1）运行开始时，首先为递归调用建立一个工作栈，其结构包括值参、局部变量和返回地址； （2）每次执行递归调用之前，把递归函数的值参和局部变量的当前值以及调用后的返回地址压栈； （3）每次递归调用结束后，将栈顶元素出栈，使相应的值参和局部变量恢复为调用前的值，然后转向返回地址指定的位置继续执行。 按照分治的策略，可将所有参赛的选手分为两部分，n＝2k个选手的比赛日程表就可以通过为n/2＝2k-1个选手设计的比赛日程表来决定。 递归地执行这种分割，直到只剩下2个选手时，比赛日程表的制定就变得很简单：只要让这2个选手进行比赛就可以了。 用分治法解决最近对问题，很自然的想法就是将集合S分成两个子集 S1和 S2，每个子集中有n/2个点。 然后在每个子集中递归地求其最接近的点对，在求出每个子集的最接近点对后，在合并步中，如果集合 S 中最接近的两个点都在子集 S1或 S2中，则问题很容易解决，如果这两个点分别在 S1和 S2中，问题就比较复杂了。 算法4.6——快速排序 void QuickSort(int r[ ], int first, int end) { if (firstend) { pivot=Partition(r, first, end); //问题分解，pivot是轴值在序列中的位置 QuickSort(r, first, pivot-1); //递归地对左侧子序列进行快速排序 QuickSort(r, pivot+1, end); //递归地对右侧子序列进行快速排序 } } T(n)≤2 T(n/2)＋n ≤2(2T(n/4)＋n/2)＋n＝4T(n/4)＋2n ≤4(2T(n/8)＋n/4)＋2n＝8T(n/8)＋3n … … … ≤nT(1)＋nlog2n＝O(nlog2n) 因此，时间复杂度为O(nlog2n)。 在最好情况下，每次划分对一个记录定位后，该记录的左侧子序列与右侧子序列的长度相同。在具有n个记录的序列中，一次划分需要对整个待划分序列扫描一遍，则所需时间为O(n)。设T(n)是对n个记录的序列进行排序的时间，每次划分后，正好把待划分区间划分为长度相等的两个子序列，则有： 因此，时间复杂度为O(n2)。 在最坏情况下，待排序记录序列正序或逆序，每次划分只得到一个比上一次划分少一个记录的子序列（另一个子序列为空）。此时，必须经过n-1次递归调用才能把所有记录定位，而且第i趟划分需要经过n-i次关键码的比较才能找到第i个记录的基准位置，因此，总的比较次数为： 在平均情况下，设基准记录的关键码第k小（1≤k≤n），则有： 这是快速排序的平均时间性能，可以用归纳法证明，其数量级也为O(nlog2n)。 快速排序的空间复杂性如何? 4.4 组合问题中的分治法 4.4.1 最大子段和问题 4.4.2 棋盘覆盖问题 4.4.3 循环赛日程安排问题 给定由n个整数组成的序列(a1, a2, …, an)，最大子段和问题要求该序列形如 的最大值（1≤i≤j≤n），当序列中所有整数均为负整数时，其最大子段和为0。例如，序列(-20, 11, -4, 13, -5, -2)的最大子段和为： 4.4.1 最大子段和问题 最大子段和问题的分治策略是： （1）划分：按照平衡子问题的原则，将序列(a1, a2, …, an)划分成长度相同的两个子序列(a1, …, a )和(a ＋1, …, an)，则会出现以下三种情况： 先考虑最大子段和问题的简单算法 ① a1, …, an的最大子段和＝a1, …,a 的最大子段和； ② a1, …, an的最大子段和＝a ＋1, …, an的最大子段和； ③ a1, …, an的最大子段和＝ ，且 （2）求解子问题：对于划分阶段的情况①和②可递归求解，情况③需要分别计算 ， ，则s1+s2为情况③的最大子段和。 （3）合并：比较在划分阶段的三种情况下的最大子段和，取