当前位置：首页 > news >正文

五大基础算法——分治算法

news 来源：原创 2025/5/22 4:20:11

分治算法 是一种通过将问题分解为多个规模较小的子问题，递归解决子问题，然后将子问题的解合并为原问题解的算法思想。它通常包含三个步骤：分解（Divide）、解决（Conquer） 和 合并（Combine）。以下是分治算法的核心概念、适用场景、实现方法及经典例题：

一、核心概念

分解（Divide）
- 将原问题分解为若干个规模较小的子问题。
解决（Conquer）
- 递归解决子问题。如果子问题规模足够小，则直接求解。
合并（Combine）
- 将子问题的解合并为原问题的解。

二、适用场景

排序算法
- 如归并排序、快速排序。
查找算法
- 如二分查找。
数学问题
- 如大整数乘法、矩阵乘法（Strassen算法）。
数据结构操作
- 如最近点对问题、最大子数组问题。

三、实现步骤

分解问题
- 将原问题分解为若干个规模较小的子问题。
递归求解
- 对每个子问题递归调用分治算法。
合并结果
- 将子问题的解合并为原问题的解。

四、经典例题与代码

1. 归并排序

问题描述：将一个无序数组排序。

def mergeSort(arr):
    if len(arr) <= 1:  # 基线条件
        return arr
    mid = len(arr) // 2
    left = mergeSort(arr[:mid])  # 分解并递归解决左半部分
    right = mergeSort(arr[mid:])  # 分解并递归解决右半部分
    return merge(left, right)  # 合并左右部分

def merge(left, right):
    result = []
    i = j = 0
    while i < len(left) and j < len(right):
        if left[i] < right[j]:
            result.append(left[i])
            i += 1
        else:
            result.append(right[j])
            j += 1
    result.extend(left[i:])
    result.extend(right[j:])
    return result

# 示例
arr = [38, 27, 43, 3, 9, 82, 10]
print(mergeSort(arr))  # 输出 [3, 9, 10, 27, 38, 43, 82]

2. 快速排序

问题描述：将一个无序数组排序。

def quickSort(arr):
    if len(arr) <= 1:  # 基线条件
        return arr
    pivot = arr[len(arr) // 2]  # 选择基准值
    left = [x for x in arr if x < pivot]  # 分解为小于基准值的子问题
    middle = [x for x in arr if x == pivot]  # 分解为等于基准值的子问题
    right = [x for x in arr if x > pivot]  # 分解为大于基准值的子问题
    return quickSort(left) + middle + quickSort(right)  # 递归解决并合并

# 示例
arr = [38, 27, 43, 3, 9, 82, 10]
print(quickSort(arr))  # 输出 [3, 9, 10, 27, 38, 43, 82]

3. 二分查找

问题描述：在有序数组中查找目标值。

def binarySearch(arr, target):
    if not arr:  # 基线条件
        return -1
    mid = len(arr) // 2
    if arr[mid] == target:
        return mid
    elif arr[mid] < target:
        result = binarySearch(arr[mid+1:], target)
        return result + mid + 1 if result != -1 else -1
    else:
        return binarySearch(arr[:mid], target)

# 示例
arr = [1, 3, 5, 7, 9]
print(binarySearch(arr, 5))  # 输出 2

4. 最大子数组问题

问题描述：找到一个数组中具有最大和的连续子数组。

def maxSubArray(nums):
    def divideAndConquer(left, right):
        if left == right:  # 基线条件
            return nums[left]
        mid = (left + right) // 2
        # 递归解决左半部分和右半部分
        left_max = divideAndConquer(left, mid)
        right_max = divideAndConquer(mid+1, right)
        # 计算跨越中点的最大子数组和
        cross_max = maxCrossingSum(left, mid, right)
        return max(left_max, right_max, cross_max)
    
    def maxCrossingSum(left, mid, right):
        left_sum = float('-inf')
        current_sum = 0
        for i in range(mid, left-1, -1):
            current_sum += nums[i]
            left_sum = max(left_sum, current_sum)
        right_sum = float('-inf')
        current_sum = 0
        for i in range(mid+1, right+1):
            current_sum += nums[i]
            right_sum = max(right_sum, current_sum)
        return left_sum + right_sum
    
    return divideAndConquer(0, len(nums)-1)

# 示例
nums = [-2, 1, -3, 4, -1, 2, 1, -5, 4]
print(maxSubArray(nums))  # 输出 6