介紹分治法應用之前首先介紹分治法的概念和步驟:
分治策略:將原問題劃分爲n個規模較小而結構與原問題相似的子問題;遞歸地解決這些子問題,然後再合併其結果,就得到原問題的解。
步驟:
1、分解(Divide):將原問題分解成一系列子問題;
2、解決(Conquer):遞歸地解各子問題。若子問題足夠小,則直接求解;
3、合併(Combine):將子問題的結果合併成原問題的解。
下面主要介紹分治法的幾種應用:
一、歸併排序
歸併排序按照上述的步驟可如下操作:
1、分解:將n個元素分成各含n/2個元素的子序列;
2、解決:用歸併排序法對兩個子序列遞歸地排序;
3、合併:合併兩個已排序的子序列以得到排序結果。
歸併排序的具體步驟和實現代碼已經在前面的博客中詳細介紹
博客地址:http://blog.csdn.net/dabusideqiang/article/details/23474963
二、二分查找
二分查找法:
在有序表中,把待查找數據值與查找範圍的中間元素值進行比較:
1)待查找數據值與中間元素值正好相等,則放回中間元素值的索引;
2)待查找數據值比中間元素值小,則遞歸查找整個查找範圍的前半部分;
3)待查找數據值比中間元素值大,則遞歸查找整個查找範圍的後半部分;
4)如果最後找不到相等的值,則返回錯誤提示信息。
對應代碼如下:
/*****************二分查找*******************/
/**
* BinarySearch函數:在數組a中查找數據e (非遞歸法)
* @param [in] a:查找數組
* @param [in] e:待查找數據
* @param [in] first:起始位置
* @param [in] last:結束位置
* @return int:待查找數據所在的位置
*/
int BinarySearch(int a[], int e, int first, int last)
{
if (a==NULL || first > last)
{
return -1;
}
int mid;//中間位置
while(first <= last)
{
mid = (first + last) / 2;
if (e == a[mid] )
{
return mid;
}
else if (a[mid] < e)
{
first = mid + 1;
}
else if (a[mid] > e)
{
last = mid - 1;
}
}
return -1;
}
/**
* BinarySearch_Recursion函數:在數組a中查找數據e (遞歸法)
* @param [in] a:查找數組
* @param [in] e:待查找數據
* @param [in] first:起始位置
* @param [in] last:結束位置
* @return int:待查找數據所在的位置
*/
int BinarySearch_Recursion(int a[], int e, int first, int last)
{
if (a==NULL || first > last)
{
return -1;
}
int mid = (first + last) / 2;
if (e == a[mid])
{
return mid;
}
else if (e < a[mid])
{
return BinarySearch_Recursion(a, e, first, mid - 1);
}
else if (e > a[mid])
{
return BinarySearch_Recursion(a, e, mid + 1, last);
}
return -1;
}
二分查找時間複雜度爲O(logn)三、求數值的整數次方(xn)x是浮點數。
1、樸素算法:
針對這個問題要考慮以下幾方面:
1)要考慮指數是0或負數的情況
2)要考慮指數爲負數且底數是0的情況
3)由於底數是double型,當判斷底數是否等於0時,不能直接用==,而是判斷它們之差的絕對值是不是在一個很小的範圍內。
對應代碼如下:
bool g_InvalidInput = false;
bool equal(double num1, double num2);
double PowerWithUnsignedExponent(double base, unsigned int exponent);
/**
* Power函數:求數值的整數次方
* @param [in] base:底數
* @param [in] exponent:指數
* @return double:返回結果
*/
double Power(double base, int exponent)
{
g_InvalidInput = false;
if(equal(base, 0.0) && exponent < 0)
{
g_InvalidInput = true;
return 0.0;
}
unsigned int absExponent = (unsigned int)(exponent);
if(exponent < 0)
absExponent = (unsigned int)(-exponent);
double result = PowerWithUnsignedExponent(base, absExponent);
if(exponent < 0)
result = 1.0 / result;
return result;
}
/**
* PowerWithUnsignedExponent函數:求數值的非負整數次方(樸素法)
* @param [in] base:底數
* @param [in] exponent:非負指數
* @return double:返回結果
*/
double PowerWithUnsignedExponent(double base, unsigned int exponent)
{
double result = 1.0;
for(int i = 1; i <= exponent; ++i)
result *= base;
return result;
}
/**
* equal函數:判斷兩個浮點數是否相等
* @param [in] num1:浮點數1
* @param [in] num2:浮點數2
* @return bool:返回結果
*/
bool equal(double num1, double num2)
{
if((num1 - num2 > -0.0000001)
&& (num1 - num2 < 0.0000001))
return true;
else
return false;
}
注:程序中定義了全局變量g_InvalidInput,是爲了標識程序是否出錯,因爲程序出錯時返回0,而底數爲0時程序正常運行也返回0,爲了區分這個,設置一個全局變量g_InvalidInput,當程序出錯時設置爲true。
樸素算法的複雜度爲O(n)
2、分治法
上述算法中需要循環做n-1次乘法。這裏我們用分治法可以將n次方分解,比如求x8,我們只需要求x4就可以了,對x4再求平方就可以得到x8
上述表述可由下面的公式表示:
這個公式就可以通過遞歸實現了,實現代碼如下:
/**
* PowerWithUnsignedExponent函數:求數值的非負整數次方(分治法)
* @param [in] base:底數
* @param [in] exponent:非負指數
* @return double:返回結果
*/
double PowerWithUnsignedExponent(double base, unsigned int exponent)
{
if(exponent == 0)
return 1;
if(exponent == 1)
return base;
double result = PowerWithUnsignedExponent(base, exponent >> 1);
result *= result;
if((exponent & 0x1) == 1)
result *= base;
return result;
}
分治法複雜度爲O(logn)四、斐波那契數列(Fibonacci)
Fibonacci數列是一個比較經典的例子,很多書中介紹遞歸時都用它作爲例子。
- (n≧2)
1、遞歸法
大家對遞歸法應該都很熟悉,直接上代碼:
/****************遞歸法*******************/
/**
* Fbi1函數:求斐波那契數列
* @param [in] n:第n項
* @return long long:返回結果
*/
long long Fbi1(int n)
{
if( n < 2 )
return n == 0 ? 0 : 1;
return Fbi1(n - 1) + Fbi1(n - 2); /* 這裏Fbi就是函數自己,等於在調用自己 */
}
我們以求f(10)爲例分析求解過程,求f(10),需要求f(9)和f(8),求f(9)需要求f(8)和f(7),這樣以此類推,可由下圖表示依賴關係。
由圖可以發現,遞歸時會重複計算一些數據,這樣會增加複雜度。下面介紹一種迭代法,避免重複計算。
2、迭代法
爲了避免重複計算,我們可以從下往上計算,可以將前一次計算的結果保存起來用於下一次計算,如先根據f(0)和f(1)求出f(2),然後利用f(1)和f(2)求出f(3)。以此類推、、、
對應代碼如下:
/****************迭代法*******************/
/**
* Fbi2函數:求斐波那契數列
* @param [in] n:第n項
* @return long long:返回結果
*/
long long Fbi2(int n)
{
if( n < 2 )
return n == 0 ? 0 : 1;
long long fb1=1;
long long fb2=0;
long long fbn=0;
for(int i=2;i<=n;i++)
{
fbn=fb1+fb2;
fb2=fb1;
fb1=fbn;
}
return fbn;
}
上述的迭代法已經比較高效了,時間複雜度爲0(n);下面來介紹今天的主題方法,分治法,時間複雜度達到O(logn),可能比較生僻,當時可以用來理解分治法。
3、基於矩陣的分治法
介紹該方法之前,首先要介紹一個數學公式:
這個公式很容易用歸納法證明,這裏就不再證明了。
根據上述公式求f(n)可以轉化爲求矩陣的n-1次方。求數值的n次方是不是很熟悉,本文的分治法第三種應用就是求數值的整數次方,只不過這裏的數值換成了矩陣。具體方法不再贅述。
對應代碼如下:
/****************基於矩陣的分治法*******************/
/**
* 矩陣結構體Matrix2By2,用於創建和初始化矩陣
*/
struct Matrix2By2
{
Matrix2By2
(
long long m00 = 0,
long long m01 = 0,
long long m10 = 0,
long long m11 = 0
)
:m_00(m00), m_01(m01), m_10(m10), m_11(m11) {
}
long long m_00;
long long m_01;
long long m_10;
long long m_11;
};
/**
* MatrixMultiply函數:矩陣相乘
* @param [in] matrix1:矩陣1
* @param [in] matrix2:矩陣2
* @return Matrix2By2:返回矩陣結果
*/
Matrix2By2 MatrixMultiply
(
const Matrix2By2& matrix1,
const Matrix2By2& matrix2
)
{
return Matrix2By2(
matrix1.m_00 * matrix2.m_00 + matrix1.m_01 * matrix2.m_10,
matrix1.m_00 * matrix2.m_01 + matrix1.m_01 * matrix2.m_11,
matrix1.m_10 * matrix2.m_00 + matrix1.m_11 * matrix2.m_10,
matrix1.m_10 * matrix2.m_01 + matrix1.m_11 * matrix2.m_11);
}
/**
* MatrixPower函數:求矩陣的整數次方
* @param [in] n:指數
* @return Matrix2By2:返回矩陣結果
*/
Matrix2By2 MatrixPower(unsigned int n)
{
assert(n > 0);
Matrix2By2 matrix;
if(n == 1)
{
matrix = Matrix2By2(1, 1, 1, 0);
}
else if(n % 2 == 0)//偶數
{
matrix = MatrixPower(n / 2);
matrix = MatrixMultiply(matrix, matrix);
}
else if(n % 2 == 1)//奇數
{
matrix = MatrixPower((n - 1) / 2);
matrix = MatrixMultiply(matrix, matrix);
matrix = MatrixMultiply(matrix, Matrix2By2(1, 1, 1, 0));
}
return matrix;
}
/**
* Fbi3函數:求斐波那契數列
* @param [in] n:第n項
* @return long long:返回結果
*/
long long Fbi3(unsigned int n)
{
if( n < 2 )
return n == 0 ? 0 : 1;
Matrix2By2 PowerNMinus2 = MatrixPower(n - 1);
return PowerNMinus2.m_00;
}
針對上述的三種方法求Fibonacci數列,可以運行試試,會發現遞歸法速度明顯慢於其他兩種方法。遞歸法由於是函數調用自身,而函數調用是有時間和空間的消耗,每一次調用都需要在內存棧中分配空間以保存參數、返回地址及臨時變量,而往棧裏壓入和彈出數據都需要時間。遞歸本質是將一個問題分解成兩個或多個小問題,如果小問題存在重複,那麼就會重複計算增加複雜度。第一種遞歸法就是由於重複計算導致速度很慢。