算法设计与分析 分治法.ppt

算法设计与分析- 分治法;subproblem 2 of size n/2;分治法的基本思想;一个简单的例子： N个数字求和，如何用分治法解决？ 是不是分治法一定比蛮力法高效呢？ 串行计算 并行计算 通过分治法解决大问题的时间等于所有解决小问题的时间？ T(n)=aT(n/b)+f(n) ;T(n)=aT(n/b)+f(n)递推式的解法 直接使用公式 写出分治法解决n个数字相加问题的效率类型，设每次分为2个子问题 ;本章解决的问题： 排序 查找 大整数乘法 矩阵乘法 最近对 凸包 二叉树遍历;4.1 合并排序 ;思想;;合并排序的递归算法;Merge(B,C,A)是将有序数组B、C合并为有序数组A的算法。 称为归并排序 归并排序示例： ;前提：数组B及数组C已经有序。 比较数组B的第一个记录与数组C的第一个记录将KEY值小者输出至数组A，再从相应数组读进一个记录，替代已被输出的记录，再继续比较。 结束：直至有一个数组的记录已被穷尽，然后再将未穷尽的数组上的所有记录拷贝到输出数组A上。 ;Merge(B[0..p-1],C[0..q-1],A[0..p+q-1]) i=0,j=0,k=0; while ip and jq do if B[i]≤C[j] A[k]=B[i], i=i+1 else A[k]=C[j], j=j+1 k=k+1 if i=p copy C[j..q-1] to A[k..p+q-1] else copy B[i..p-1] to A[0..p+q-1];合并排序的效率分析; 简写为 C(n)=2C(n/2)+Cmerge(n)+kn 基本操作 比较？拷贝？ (比较的次数不会大于拷贝的次数) 是否和其他因素相关？ 最坏情况如何？ 归并排序的效率Cmerge(n)=n, C (n)=2C(n/2)+sn 解得 C(n)=nlog2n-n+1∈Θ(nlog2n);合并排序结论;4.2 快速排序;;快速排序算法 QuickSort(A[l..r]) // 使用快速排序法对序列或者子序列排序 // 输入：子序列A[l..r]或者序列本身A[0..n-1] // 输出：非递减序列A if l r s ← Partition( A[l..r] ) QuickSort( A[l..s-1] ) QuickSort( A[s+1..r] )? //s是中轴元素/基准点，是数组分区位置的标志 中轴元素如何选？ 选好中轴后如何扫描数组形成分区？;分区的例子（双向扫描）;数组的分区算法：;快速排序效率分析;C(n)=Cpartition(n)+CQuickSort(s前面)+ CQuickSort(s后面) 上式依赖于s的位置。 考虑partition的基本操作： 比较 一次分区算法的比较次数是否和其他因素相关 对于一次长度为n的数组的分区算法，如果出现指针交叉，所执行的比较是n+1次，为什么？ 相等，比较次数为n次;;;;4.1-4.2 结论;4.3 折半查找(有序数组); BinarySearch( A[0..n-1], k ) // 输入：已排序大小为n的序列A，待搜索对象k // 输出：如果搜索成功，则返回k的位置，否则返回-1 l=0,r=n-1; While l≤r mid= ?(l+r)/2? if k = A[mid] return mid else if k A[mid] r=m-1 else l=m+1 return -1 ;折半查找效率分析： 基本操作：比较 最坏情况下，比较次数 C(n)=C( ?n/2?)+1 C(1)=1 设n=2k，可解得 C(n)=k+1=log2n+1 于是 C(n)∈Θ(log2n);4.3 结论;4.4 二叉树遍历及其相关特性;中序遍历（Inorder Traversal）;前序遍历（Preorder Traversal）;前序遍历执行过程图;二叉树的构造;二叉树的高度计算;4.5 大整数乘法和Strassen矩阵乘法;分治法如何体现。 令N为偶数，则A和B可表示为 其中a1和a2分别为A的前半部和后半部。 A＝a1·10N/2+a2 (123456=123·10