算法设计与分析所有课件第四章.pptx

第四章 分治法4.1 一般方法4.2 二分检索4.3 找最大和最小元素4.4 归并分类4.5 快速分类4.6 选择问题4.7 斯特拉森矩阵乘法合并解…相同类型子问题1子问题2子问题K子问题1子问题2…子问题k4.1 一般方法分治法的思想: 将一个输入规模为n的问题分解为k个规模较小的子问题，这些子问题互相独立且与原问题相同，然后递归的求解这些子问题，最后用适当的方法将各子问题的解合并成原问题的解。问题(N个输入)分治法的设计思想是，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。步骤：分（devide） 二分为主 多分比二分更好吗？ 治（conquar） 递归调用，当规模足够小时直接处理 组（combine） 分治法问题特征：问题规模小到一定的程度就非常容易解决 所有问题的共性特征2) 问题可分解为若干个规模较小的同类问题 递归策略 [分]3) 子问题的解可以合并为该问题的解 若不具备，可用贪心或动态规划4) 子问题是相互独立的 保证采用分治法效率高，否则更适合采用动态规划 4.1 一般方法分治策略DANDC的抽象化控制原问题为A(1:n) , 最初调用函数应该是DANCE(1,n); DANDC(p,q)是计算A(p:q)子问题的解procedure DANDC(p,q)global n, A(1:n); integer m, p, q; //1≤p≤q≤n//if SMALL(p,q) then return(G(p,q)) else m?DIVIDE(p,q) return(COMBINE( DANDC(p,m), DANDC(m+1,q)))endifend DANDC判断输入规模q-p+1是否足够小,可直接求解G是求解该规模问题的函数分割函数, p≤m≤q, 原问题被分为A(p:m)和A(m+1:q)两个子问题合并函数,将两个子问题的解合并为原问题的解g(n) n足够小T(n)=2T(n/2)+f(n) 否则4.1 一般方法2分策略DANDC的计算时间倘若所分成的两个子问题的输入规模大致相等,则分治策略DANDC的计算时间可表示为：说明：T(n)是输入规模为n的分治策略的计算时间g(n)是对足够小的输入规模能直接计算出答案的时间f(n)是COMBINE函数合成原问题解的计算时间k分法的复杂性分析一个分治法将规模为n的问题分成k个规模为n／m的子问题去解。设分解阈值n0=1，且解规模为1的问题耗费1个单位时间。再设将原问题分解为k个子问题以及将k个子问题的解合并为原问题的解需用f(n)个单位时间。用T(n)表示该分治法解规模为|P|=n的问题所需的计算时间，则有：通过迭代法求得方程的解：注意：递归方程及其解只给出n等于m的方幂时T(n)的值，但是如果认为T(n)足够平滑，那么由n等于m的方幂时T(n)的值可以估计T(n)的增长速度。通常假定T(n)是单调上升的，从而当mi≤nmi+1时，T(mi)≤T(n)T(mi+1)。 对所求解的问题（或子问题）所选的下标都是中间元素的下标，k= (n+1)/2」4.2 二分检索二分检索问题描述: 已知一个按非降序排列的元素表a1, a2, … , an , 判定某个给定元素x是否在该表中出现，若是, 则找出该元素在表中的位置,并置于j, 否则置j为0二分检索原理将二分检索问题问题表示为：I=(n, a1, … , an, x)选取一个下标k，可得到三个子问题：I1=(k-1, a1, … , ak-1, x)I2=(1, ak , x)I3=(n-k, ak+1, … , an, x)二分检索算法procedure BINSRCH(A, n, x, j) int low, high, mid, j, n; low?1; high?n; while （low=high） do mid??(low+high)/2?; /*取中间值*/ case xA[mid]: high?mid-1 /*寻找前一半*/ xA[mid]: low?mid+1 /*寻找后一半*/ else: j?mid; return; /*检索成功, 结束*/ endcase repeat j?0;/*检索失败*/end BINSRCH③③①②④③④②二分检索实例:设在A(1:9)中顺序放了以下9个元素：A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8] A[9]-15-6079235482101检索x=9, 9=A[5], 一次比较就成功, 最好情况检索x=-15, -15A[5], -15A[2], -15= A