html网站设计范例膳食管理东莞网站建设
分治算法遵循三个步骤：
- 分解（Divide）：将原问题划分为多个子问题，子问题是原问题的较小实例。
- 解决（Conquer）：递归解决子问题。若子问题足够小，则直接求解。
- 合并（Combine）：将子问题的解合并为原问题的解。
常见的分治算法：
1.归并排序（Merge Sort）
- 原理：将数组递归分成两半，分别排序后合并有序子数组。
- 特点：稳定排序，时间复杂度稳定为 O(nlogn)，需额外空间。
- 应用场景：大数据排序、外部排序（如海量数据文件排序）。
2. 快速排序（Quick Sort）
- 原理：选择基准元素（Pivot），将数组分为“小于基准”和“大于基准”两部分，递归排序。
- 特点：原地排序，平均时间复杂度 O(nlogn)，最坏情况 O(n2)（可通过随机化避免）。
- 应用场景：内存有限的内部排序，如编程语言标准库中的排序实现。
3. 二分查找（Binary Search）
- 原理：在有序数组中，通过不断缩小搜索范围（折半）快速定位目标值。
- 特点：时间复杂度 O(logn)，无合并步骤，属于分治的简化形式。
- 应用场景：有序数据的高效查找，如字典、数据库索引。
4. Strassen 矩阵乘法
- 原理：将大矩阵分解为子矩阵，通过7次子矩阵乘法（而非传统8次）降低计算复杂度。
- 特点：时间复杂度 O(nlog27)≈O(n2.81)，优于传统 O(n3)。
- 应用场景：大规模矩阵运算优化，如科学计算、图形学。
5. 最近点对问题（Closest Pair of Points）
- 原理：将点集分为左右两半，分别求最近点对，再检查跨分界线的点对。
- 特点：时间复杂度 O(nlogn)，巧妙利用分治减少计算量。
- 应用场景：计算几何、碰撞检测、地理信息系统（GIS）。
6. 大整数乘法（Karatsuba 算法）
- 原理：将大整数分解为高位和低位，通过3次乘法替代传统4次，降低计算次数。
- 特点：时间复杂度 O(nlog23)≈O(n1.585)，适用于超大数运算。
- 应用场景：密码学（如RSA加密）、高精度计算库。
7. 快速傅里叶变换（FFT）
- 原理：将多项式分解为偶次项和奇次项，递归转换到频域再合并结果。
- 特点：将 DFT 计算复杂度从 O(n2) 降至 O(nlogn)。
- 应用场景：信号处理、图像压缩（如JPEG）、卷积神经网络。
8. 棋盘覆盖问题
- 原理：用L型骨牌覆盖残缺棋盘，递归分割棋盘为四块，处理含残缺的子块。
- 特点：通过分治将复杂覆盖问题分解为可重复子问题。
- 应用场景：算法教学案例、拼图游戏逻辑。
9. 线性时间选择算法（QuickSelect）
- 原理：类似快速排序，通过划分操作递归查找第k小元素。
- 特点：平均时间复杂度 O(n)，无需完全排序。
- 应用场景：统计学中位数计算、Top-K问题（如排行榜）
分治、动态规划、贪心对比
| 策略 | 适用场景 | 关键特点 |
|---|---|---|
| 分治 | 子问题独立且合并简单（如排序） | 递归分解 + 合并结果 |
| 动态规划 | 子问题重叠且有最优子结构（如背包） | 记忆化存储避免重复计算 |
| 贪心 | 局部最优解能导向全局最优（如Huffman编码） | 每一步选择当前最优，无回溯 |
整体步骤如下：
- 递归的终止条件：如果链表为空或者只有一个节点，直接返回，因为已经有序。
- 找到链表的中间节点，将链表分成左右两部分。
- 递归地对左右两部分进行排序。
- 合并排序后的左右两部分。
利用快慢指针找到中间节点，而且有一个很关键的就是一定要把链表从中间节点断开，不然会陷入死循环
代码如下：
class ListNode {int val;ListNode next;ListNode() {}ListNode(int val) { this.val = val; }ListNode(int val, ListNode next) { this.val = val; this.next = next; }
}class Solution {public ListNode sortList(ListNode head) {// 终止条件：链表为空或只有一个节点时直接返回if (head == null || head.next == null) {return head;}// 使用快慢指针找到链表的中间节点（分治的关键步骤）ListNode slow = head, fast = head;while (fast.next != null && fast.next.next != null) {slow = slow.next; // 慢指针每次走一步fast = fast.next.next; // 快指针每次走两步}ListNode mid = slow.next; // 中间节点的下一个节点为右半部分头节点slow.next = null; // 将链表断开为左右两部分// 递归对左右子链表排序（分治的递归分解）ListNode left = sortList(head); // 左半部分排序ListNode right = sortList(mid); // 右半部分排序// 合并两个已排序的链表（分治的结果合并）return merge(left, right);}// 合并两个有序链表private ListNode merge(ListNode l1, ListNode l2) {ListNode dummy = new ListNode(0); // 创建哑节点作为合并后的链表头ListNode cur = dummy;// 遍历两个链表，按升序连接节点while (l1 != null && l2 != null) {if (l1.val <= l2.val) {cur.next = l1;l1 = l1.next;} else {cur.next = l2;l2 = l2.next;}cur = cur.next;}// 将剩余链表直接连接到末尾cur.next = (l1 != null) ? l1 : l2;return dummy.next;}
}