算法之"高手过招"
1.1 什么是分治策略算法?
在计算机科学中,分治策略是非常重要的算法思想. 字面上的意思就是把一个复杂问题分解成2个或者多个相同或者相似的子问题. 再子问题的分解成更小的子问题; 直到最后的子问题可以简单的直接求解. 再将子问题的结果合并得到原问题的结果;
这样的方式,比如常用的排序算法中, 快速排序以及归并排序都是利用了分治策略算法的思想实现的. 在分治策略中, 我们递归地求解一个问题, 在每层递归中应用如下三个步骤:
- 分解(Divide)步骤, 将问题划分为一些子问题. 子问题的形式与原问题一样. 只是规模更小;
- 解决(Conquer)步骤,递归地求解出子问题,如果子问题的规模足够小,即停止递归.直接求解;
- 合并(Combine)步骤,将子问题的解组合成原问题的解;
当子问题足够大, 需要递归求解时. 我们就称之为"递归情况". 当子问题变的足够小, 不再需要递归时, 这时递归就已经"触底". 进入了基本情况;
并不是所有的问题都能化解成完全一样的子问题. 也会出现需要求解与原问题不完全一样的子问题. 接下来在这一阶段的课程,我们会看到更多基于分治策略的算法.
分治策略,在理解以及设计分治策略的算法的能力需要一定时间去掌握.它需要运用归纳法去证明一个理论. 为了使得递归能够被推行. 很多时候需要用一个较为概括或复杂的问题去取代原有问题,而且并没有一个系统性的方法去适当的概括问题;
分治算法需要不错的数学归纳能力.因为分治策略的算法通常需要以数学归纳法来验证, 它的计算成本则多数以求解的递归关系式来判定;
由于分治策略的特性, 它最直接的表现形式常常以递归出现.
1.2 连续数列
- 难度系数: ☆☆☆
- 题目来源: LeetCode 下分治策略专题
- 题目描述: 给定一个整数数组,找出总和最大的连续数列, 并返回总和;
- 输入: [-2,1,-3,4,-1,2,1,-5,4]
- 输出: 6
- 解释: 连续子数组[4,-1,2,-1];
- 题目解读:
- 实际上, 这个题目就是单纯的获取从一个数组中,找出连续索引值下元素相加的总和最大的序列; 例如题目描述的例子. 从头到尾进行查找, 使得连续的元素相机得到一个最大的总和;
- 关键词: 连续数列, 最大, 整数数组. 总和;
- 出现过企业面试题: 百度
1.2.1 暴力法
LeetCode 执行结果
暴力算法思路
- 判断数组中的元素个数, 如果元素个数为0,则直接返回0;
- 判断数组中的元素个数, 如果元素个数为1,则直接返回索引为0下的元素值;
- 定义临时变量: i,temp,maxValue; 默认将maxValue 设置一个极小的值作为初始化值;
- 开始循环,
- 循环起始值i = 0;
- 循环结束条件: 当i从头到尾都遍历了一次;
- 循环递增条件: i每次自增1;
- 在循环体中;
- 将临时变量temp 记录从0~i的和的累积;
- 判断当前的temp 是否大于 maxVaue. 如果大于MaxValue 则更新maxValue;
- 判断当前的temp如果小于0的情况出现,则将temp 赋值为0;
- 最后返回maxValue;
暴力算法代码实现
int maxSubArray(int* nums, int numsSize){ if(numsSize==0) return 0; if(numsSize==1) return nums[0]; int i=0,temp=0,maxValue=-1024; for(i=0;i<numsSize;i++) { temp=temp+nums[i]; if(temp>maxValue) maxValue=temp; if(temp<0) temp=0; } return maxValue; }
执行过程动画效果
温馨提示: 上图为动图效果. 网页阅读更佳
1.2.2 分治策略
站在分治策略的角度下思考, 求最大连续数组. 我们可以预估到最大连续数组的和 有可能出现的3个位置如下:
- 数组的左半部分的最大连续数组和;
- 数组的右半部分的最大连续数组和;
- 横跨数组的左半部分和右半部分得到最大连续数组和;
- 三者比较大小, 最大者即为我们所求的最大连续数组的和.
LeetCode 执行结果
接下来,我们分析案例中提供的数组. 来推演 分治策略的算法思想;
如果推演过程,数组中元素太多.可能会造成大家对于 分治策略中提出的 关于有可能出现最大连续数组和的3个猜想造成理解负担;
所以我们假设此时 数组中只有2个元素. 数组nums[2] = {-2,1}; 其中-2和1只是随机设计的数字.
也就是 这2个数字最多组成3个可能性;
- -2; 表示数组左半部分的有可能是最大连续数组的和;
- -2 + 1 ; 表示数组横跨左半部分和右半边部分有可能是连续数组的和;
- 1 ; 表示数组右半部分有可能是最大连续数组的和;
- 最后, 比较这3个数字,取最大就能获得最大连续数组的和;
分治策略算法思路
分析: 分治策略在开篇,我们就谈过. 分治策略的本质就是将问题拆解成最小子问题, 再将子问题的结合进行合并; 而连续数列问题, 其实就可以用到分治策略中的递归的方式来进行解决; 刚刚我们通过对2个元素的数列进行小基数数据的推演. 我们需要将数列拆解左右2个半部分, 依次递归拆解. 直到只剩下一个数字时就触碰到递归的底线; 那么现在我们捋顺一下这个问题的思路;
思路:
- 将数列一分为二. 求解mid = left + (right - left)/2 ; 那么为什么要这么计算mid 是因为数列在不断拆解的过程,数列本身就被折断了. 但是我们不能记录错误的mid; mid 还是基于nums 原始数组的index ;
- 递归求解数列左半部分的和 则调用 subMaxValue(nums, left, mid);
- 求出左半部分和之后, 则继续求解从left 跨越mid 到 right 这横跨中间部分的和; MidValue(nums,left,mid,right);
- 继续递归求解数列右半部分的和.则调用 subMaxValue(nums, mid+1,right);
- 最后在每一次递归回调上层之前,判断 left_sum,mid_sum,right_sum**** 谁的值更大,则返回上一层递归
- 继续递归回滚. 直到所有的递归都回滚到入口时,就求解出来 连续数列的最大和
分治策略代码实现
// // main.c // 001--连续数组(分治策略) // // Created by CC老师 on 2020/9/7. // Copyright © 2020 CC老师. All rights reserved. // #include <stdio.h> //宏定义无穷小 #define INF -2147483647 //求a和b的最大值 #define max( a , b ) ( a > b ? a : b ) //求跨越中点mid的最小子数组和 int MidValue( int * nums , int left , int mid , int right ){ int left_sum = INF , right_sum = INF; int sum = 0; //求中点最半部分和 for( int i = mid ; i >= left ; i-- ){ sum += *( nums + i ); if( sum > left_sum ){ left_sum = sum; } } sum = 0; //求中点右半部分和 for( mid++ ; mid <= right ; mid++ ){ sum += *( nums + mid ); if( sum > right_sum ){ right_sum = sum; } } return right_sum + left_sum; } int subMaxValue( int * nums , int left , int right ){ if( left >= right ){ return *( nums + left ); } int mid = left + ( right - left ) / 2; //仅求中点左部分和 int left_sum = subMaxValue( nums , left , mid ); //求跨越中点的和 int mid_sum = MidValue( nums , left , mid , right ); //求中点右部分和 int right_sum = subMaxValue( nums , mid + 1 , right ); return max( left_sum , max( right_sum , mid_sum ) ); } int maxSubArray( int * nums , int numsSize ){ return subMaxValue( nums , 0 , numsSize - 1 ); } int main(int argc, const char * argv[]) { // insert code here... printf("Hello, World!\n"); //int nums[] = {-2,1,-3}; int nums[] = {-2,1,-3,4,-1,2,1,-5,4}; int maxSum = maxSubArray(nums, 9); printf("%d\n",maxSum); return 0; }
连续数列这个问题, 我们实现了2种方法. 第一种是暴力法, 第二种是分治策略; 但是从代码实现的结果以及他们的执行时间和内存空间占用上,可以发现第一种方法更有优势. 所以在解决算法问题时, 并不是单纯的认为分治策略的解决的方案就会比暴力法高级. 其实算法重要的还是比较他们的时间/空间复杂度. 更重要的是从不同的解决策略去实现算法, 最大的收益是开拓的解决问题的思维方式;
实际该问题,还有一种解决方案. 是动态规划. 因为该篇章的主角是 "分治策略" 所以我们就不在这篇中 来进行喧宾夺主的事情. 后续会有专门关于 动态规划的篇章,我们在继续延伸学习.
作为一个开发者,有一个学习的氛围跟一个交流圈子特别重要,这是一个我的iOS交流群:642363427不管你是小白还是大牛欢迎入驻 ,分享BAT,阿里面试题、面试经验,讨论技术, 大家一起交流学习成长!
算法之"高手过招" 专栏会以 几大算法策略为主题的进行不断更新. 后续会继续更新"分治策略"篇章.
致谢!
该文章,仅献给在编程路上, 持续热爱算法的开发者
文章如有错误,欢迎指正