c++ 分治算法

news/2024/11/9 1:08:48 标签: c++, 分治算法

分治算法（Divide and Conquer）

分治算法是一种重要的算法设计范式，其核心思想是将一个复杂的问题分解为多个规模较小的相同问题，逐步解决这些较小的问题，最后将这些问题的解合并成原问题的解。分治算法通常包含三个步骤：

  1. 分解（Divide）：将问题分解成几个子问题，子问题应该是原问题的规模较小的版本。
  2. 解决（Conquer）：递归地解决每个子问题。如果子问题足够小，则直接解决。
  3. 合并（Combine）：将子问题的解合并成原问题的解。

应用

分治算法在很多经典问题中都得到了应用，以下是几个典型的应用：

  • 归并排序（Merge Sort）
  • 快速排序（Quick Sort）
  • 最大子数组和问题（Maximum Subarray Problem）
  • 大数相乘（Karatsuba Algorithm）
  • 求逆序对的个数

归并排序（Merge Sort）

归并排序是一个典型的分治算法应用。其时间复杂度是 O(nlogn)，比冒泡排序和插入排序等算法更高效。

归并排序的步骤：

  1. 分解：将数组分成两个子数组，递归排序这两个子数组。
  2. 合并：将两个已经排序的子数组合并成一个有序的数组。

代码实现(c++)

#include <iostream>
#include <vector>

using namespace std;

// 合并两个已排序的子数组
void merge(vector<int>& arr, int left, int mid, int right) {
    int n1 = mid - left + 1; // 左子数组的大小
    int n2 = right - mid;    // 右子数组的大小

    vector<int> leftArr(n1), rightArr(n2);

    // 将数据拷贝到临时数组
    for (int i = 0; i < n1; ++i) {
        leftArr[i] = arr[left + i];
    }
    for (int j = 0; j < n2; ++j) {
        rightArr[j] = arr[mid + 1 + j];
    }

    int i = 0, j = 0, k = left;
    // 合并两个子数组
    while (i < n1 && j < n2) {
        if (leftArr[i] <= rightArr[j]) {
            arr[k++] = leftArr[i++];
        } else {
            arr[k++] = rightArr[j++];
        }
    }

    // 将剩余的元素拷贝到原数组
    while (i < n1) {
        arr[k++] = leftArr[i++];
    }
    while (j < n2) {
        arr[k++] = rightArr[j++];
    }
}

// 归并排序主函数
void mergeSort(vector<int>& arr, int left, int right) {
    if (left < right) {
        int mid = left + (right - left) / 2;  // 找到中间位置

        mergeSort(arr, left, mid);  // 递归排序左半部分
        mergeSort(arr, mid + 1, right); // 递归排序右半部分

        merge(arr, left, mid, right);  // 合并
    }
}

int main() {
    vector<int> arr = {38, 27, 43, 3, 9, 82, 10};
    
    cout << "原数组: ";
    for (int num : arr) {
        cout << num << " ";
    }
    cout << endl;

    mergeSort(arr, 0, arr.size() - 1);  // 排序
    
    cout << "排序后数组: ";
    for (int num : arr) {
        cout << num << " ";
    }
    cout << endl;

    return 0;
}

代码说明

  • mergeSort函数：递归地分解数组，将其拆分成小的子数组，直到每个子数组只有一个元素或为空。
  • merge函数：用于合并两个已经排序的子数组，保证合并后形成一个新的排序数组。
  • 在main函数中，定义了一个整数数组arr，然后调用mergeSort对数组进行排序。

复杂度分析

  • 时间复杂度：归并排序的时间复杂度是 O(nlogn)，其中 n是数组的大小。每次分解数组的过程需要 O(logn) 层，每层的合并操作需要 O(n)的时间。

  • 空间复杂度：归并排序需要额外的空间来存储临时数组，所以空间复杂度是 O(n))。

快速排序（Quick Sort）

快速排序是另一种基于分治思想的排序算法，其时间复杂度的平均情况也是 O(nlog⁡n)，但最坏情况下可能是 O(n^2)。

代码实现(c++)

#include <iostream>
#include <vector>

using namespace std;

// 分区函数
int partition(vector<int>& arr, int low, int high) {
    int pivot = arr[high];  // 选择最后一个元素作为基准
    int i = low - 1;  // i 是较小元素的索引

    for (int j = low; j < high; ++j) {
        if (arr[j] < pivot) {
            ++i;
            swap(arr[i], arr[j]);
        }
    }
    swap(arr[i + 1], arr[high]);  // 将基准元素放到正确的位置
    return i + 1;
}

// 快速排序函数
void quickSort(vector<int>& arr, int low, int high) {
    if (low < high) {
        int pi = partition(arr, low, high);  // 找到基准元素的位置

        quickSort(arr, low, pi - 1);  // 排序基准元素左边的部分
        quickSort(arr, pi + 1, high); // 排序基准元素右边的部分
    }
}

int main() {
    vector<int> arr = {38, 27, 43, 3, 9, 82, 10};

    cout << "原数组: ";
    for (int num : arr) {
        cout << num << " ";
    }
    cout << endl;

    quickSort(arr, 0, arr.size() - 1);  // 排序

    cout << "排序后数组: ";
    for (int num : arr) {
        cout << num << " ";
    }
    cout << endl;

    return 0;
}

复杂度分析

  • 最坏情况：O(n^2)（选择的基准元素极差，如每次选择最小或最大元素）

  • 最好情况：O(nlog⁡n)（每次选中中位数基准，数组均匀划分）

  • 平均情况：O(nlog⁡n)（常见情况，基准元素大致均匀分布）

  • 空间复杂度：O(log⁡n) 到 O(n)，取决于递归栈深度

最大子数组和问题（Maximum Subarray Problem）

给定一个整数数组，要求找出一个连续子数组，使得其元素和最大。这个问题可以通过分治算法来求解。

代码实现(c++)

#include <iostream>
#include <vector>
#include <algorithm> // 用于max

using namespace std;

// 求解最大子数组和
int maxCrossingSum(const vector<int>& arr, int left, int mid, int right) {
    int left_sum = INT_MIN, right_sum = INT_MIN;
    int sum = 0;

    // 从中点向左扫描，找出最大子数组和
    for (int i = mid; i >= left; --i) {
        sum += arr[i];
        left_sum = max(left_sum, sum);
    }

    sum = 0;
    // 从中点向右扫描，找出最大子数组和
    for (int i = mid + 1; i <= right; ++i) {
        sum += arr[i];
        right_sum = max(right_sum, sum);
    }

    return left_sum + right_sum; // 返回跨越中点的最大子数组和
}

int maxSubArraySum(const vector<int>& arr, int left, int right) {
    if (left == right) {
        return arr[left]; // 基本情况：只有一个元素
    }

    int mid = left + (right - left) / 2; // 找到中点

    // 分治递归计算左半部分、右半部分以及跨越中点的最大子数组和
    int left_sum = maxSubArraySum(arr, left, mid);
    int right_sum = maxSubArraySum(arr, mid + 1, right);
    int cross_sum = maxCrossingSum(arr, left, mid, right);

    return max({left_sum, right_sum, cross_sum}); // 返回三者中的最大值
}

int main() {
    vector<int> arr = {-2, 1, -3, 4, -1, 2, 1, -5, 4};

    cout << "原数组: ";
    for (int num : arr) {
        cout << num << " ";
    }
    cout << endl;

    int n = arr.size();
    int max_sum = maxSubArraySum(arr, 0, n - 1);

    cout << "最大子数组和是: " << max_sum << endl;

    return 0;
}

代码说明

  • maxCrossingSum函数：用于计算跨越中点的子数组和。它首先从中点向左扫描，找到最大左半部分的和，再从中点向右扫描，找到最大右半部分的和。最后返回两个部分的和。

  • maxSubArraySum函数：递归地计算数组的最大子数组和。它通过不断将数组分成两部分来求解，并合并结果。

复杂度分析

  • 时间复杂度：

    • 每次分割数组的时间复杂度是 O(n)，因为我们需要计算跨越中点的子数组和。

    • 每次递归的深度是 log⁡n，因为每次将数组分成两半。

      因此，分治法的时间复杂度为 O(nlog⁡n)。

  • 空间复杂度：

    • 由于使用递归，空间复杂度主要由递归栈深度决定，最深递归深度为 log⁡n。
    • 因此空间复杂度为 O(log⁡n)。

逆序对问题（Inversion Count Problem）

逆序对的定义是，对于一个数组中的两个元素，若前面的元素大于后面的元素，则它们构成一个逆序对。分治算法可以有效地计算数组中的逆序对数。

代码实现(c++)

#include <iostream>
#include <vector>

using namespace std;

// 合并两个已排序的子数组，同时计算逆序对
int mergeAndCount(vector<int>& arr, int left, int mid, int right) {
    int count = 0;
    int n1 = mid - left + 1;
    int n2 = right - mid;
    
    // 创建临时数组
    vector<int> leftArr(n1), rightArr(n2);

    // 拷贝数据到临时数组
    for (int i = 0; i < n1; ++i) {
        leftArr[i] = arr[left + i];
    }
    for (int i = 0; i < n2; ++i) {
        rightArr[i] = arr[mid + 1 + i];
    }

    // 合并两个排序好的子数组，同时统计逆序对
    int i = 0, j = 0, k = left;
    while (i < n1 && j < n2) {
        if (leftArr[i] <= rightArr[j]) {
            arr[k++] = leftArr[i++];
        } else {
            arr[k++] = rightArr[j++];
            count += (n1 - i); // 右数组的当前元素小于左数组的所有剩余元素
        }
    }

    // 将剩余元素拷贝到原数组
    while (i < n1) {
        arr[k++] = leftArr[i++];
    }
    while (j < n2) {
        arr[k++] = rightArr[j++];
    }

    return count;
}

// 递归分治函数
int mergeSortAndCount(vector<int>& arr, int left, int right) {
    int count = 0;
    if (left < right) {
        int mid = left + (right - left) / 2;
        count += mergeSortAndCount(arr, left, mid); // 左半部分
        count += mergeSortAndCount(arr, mid + 1, right); // 右半部分
        count += mergeAndCount(arr, left, mid, right); // 合并并计算逆序对
    }
    return count;
}

int main() {
    vector<int> arr = {1, 20, 6, 4, 5};

    cout << "原数组: ";
    for (int num : arr) {
        cout << num << " ";
    }
    cout << endl;

    int n = arr.size();
    int inv_count = mergeSortAndCount(arr, 0, n - 1);

    cout << "数组中的逆序对数: " << inv_count << endl;

    return 0;
}

代码说明

  • mergeAndCount函数：在合并两个已排序的子数组时，统计逆序对。当右侧子数组的元素小于左侧子数组的元素时，所有左侧子数组的剩余元素都会与该右侧元素形成逆序对。

  • mergeSortAndCount函数：递归地分治计算逆序对数，并调用mergeAndCount来合并并计算逆序对。

复杂度分析

  • 时间复杂度为 O(nlog⁡n)
  • **空间复杂度为 **O(n)

递归矩阵乘法（Divide and Conquer Matrix Multiplication）

矩阵乘法的传统方法是每个元素通过行列相乘来计算，时间复杂度为 O(n^3)。但是可以使用分治法来优化矩阵乘法的实现。

代码实现(c++)

#include <iostream>
#include <vector>

using namespace std;

// 矩阵乘法
void matrixMultiply(const vector<vector<int>>& A, const vector<vector<int>>& B, vector<vector<int>>& C, int n) {
    if (n == 1) {
        C[0][0] = A[0][0] * B[0][0];
        return;
    }

    int mid = n / 2;

    // 创建四个子矩阵
    vector<vector<int>> A11(mid, vector<int>(mid)), A12(mid, vector<int>(mid)),
                        A21(mid, vector<int>(mid)), A22(mid, vector<int>(mid));
    vector<vector<int>> B11(mid, vector<int>(mid)), B12(mid, vector<int>(mid)),
                        B21(mid, vector<int>(mid)), B22(mid, vector<int>(mid));
    vector<vector<int>> C11(mid, vector<int>(mid)), C12(mid, vector<int>(mid)),
                        C21(mid, vector<int>(mid)), C22(mid, vector<int>(mid));
    vector<vector<int>> temp1(mid, vector<int>(mid)), temp2(mid, vector<int>(mid));

    // 分解A和B为4个子矩阵
    for (int i = 0; i < mid; i++) {
        for (int j = 0; j < mid; j++) {
            A11[i][j] = A[i][j];
            A12[i][j] = A[i][j + mid];
            A21[i][j] = A[i + mid][j];
            A22[i][j] = A[i + mid][j + mid];

            B11[i][j] = B[i][j];
            B12[i][j] = B[i][j + mid];
            B21[i][j] = B[i + mid][j];
            B22[i][j] = B[i + mid][j + mid];
        }
    }

    // 计算C11, C12, C21, C22
    matrixMultiply(A11, B11, C11, mid);
    matrixMultiply(A12, B21, C12, mid);
    matrixMultiply(A21, B11, C21, mid);
    matrixMultiply(A22, B21, C22, mid);
    
    // 合并四个子矩阵得到最终的结果矩阵C
    for (int i = 0; i < n; ++i) {
        for (int j = 0; j < n; ++j) {
            C[i][j] = C11[i][j] + C12[i][j] + C21[i][j] + C22[i][j];
        }
    }
}

int main() {
    int n = 4; // 2x2 矩阵
    vector<vector<int>> A = {{1, 2}, {3, 4}};
    vector<vector<int>> B = {{5, 6}, {7, 8}};
    vector<vector<int>> C(n, vector<int>(n));

    matrixMultiply(A, B, C, n);

    cout << "矩阵C的结果是：\n";
    for (int i = 0; i < n; ++i) {
        for (int j = 0; j < n; ++j) {
            cout << C[i][j] << " ";
        }
        cout << endl;
    }

    return 0;
}

复杂度分析

  • 时间复杂度为 O(n3)
  • 空间复杂度是 O(n^2)

http://www.niftyadmin.cn/n/5744654.html

相关文章

ENSP作业——园区网

ENSP作业——园区网

题目 根据上图&#xff0c;可得需求为&#xff1a; 1.配置交换机上的VLAN及IP地址。 2.设置SW1为VLAN 2/3的主根桥&#xff0c;设置SW2为VLAN 20/30的主根桥&#xff0c;且两台交换机互为主备。 3.可以使用super vlan。 4.上层通过静态路由协议完成数据通信过程。 5.AR1作为企…
阅读更多...
【数据集】【YOLO】【目标检测】摔跤识别数据集 5097 张，YOLO行人摔倒识别算法实战训练教程！

【数据集】【YOLO】【目标检测】摔跤识别数据集 5097 张，YOLO行人摔倒识别算法实战训练教程！

一、数据集介绍 【数据集】行人摔倒识别数据集 5097 张&#xff0c;目标检测&#xff0c;包含YOLO/VOC格式标注。 数据集中包含2种分类&#xff1a;{0: Fallen, 1, Falling}&#xff0c;代表摔倒的人和正在摔倒的人&#xff0c;都表示摔倒状态。 数据集来自国内外图片网站和…
阅读更多...
前端页面性能优化的常见问题与解决方案

前端页面性能优化的常见问题与解决方案

在当今互联网高速发展的时代&#xff0c;前端页面的性能对于用户体验至关重要。一个加载缓慢、交互卡顿的页面很可能会导致用户流失。本文将深入探讨前端页面性能优化中常见的问题以及相应的解决方案。 一、常见问题 &#xff08;一&#xff09;资源加载问题 文件体积过大 …
阅读更多...
BiSNetV2训练自己数据集

BiSNetV2训练自己数据集

windows训练自己数据集 参考这个大佬的过程&#xff1a;大佬过程 修改地方允许&#xff1a; train_amp.py最好放跟目录下&#xff1a;设置 在main函数里&#xff08;line205&#xff09;添加语句 os.environ["PL_TORCH_DISTRIBUTED_BACKEND"] "gloo" …
阅读更多...
rk3568 适配 CAN

rk3568 适配 CAN

rk3568 适配CAN CAN（Controller Area Network），即控制器局域网，是一种高效可靠的串行通信协议。它广泛应用于汽车、工业自动化、医疗设备等领域，用于多个电子控制单元（ECU）之间的实时通信。 CAN总线的特点 多主控制： 网络上的任何节点都可以主动发起通信，无需中央控制…
阅读更多...
离散时间信号的产生

离散时间信号的产生

文章目录 前言1.单位冲激序列函数1.2 函数&#xff1a;1.3 实现代码&#xff1a;1.3 调用方式1.4 调用结果 2.单位阶跃序列函数2.1 函数2.2实现代码2.3调用方式2.4调用结果 3.矩形序列3.1函数3.2 实现代码3.3调用方式3.4 调用结果 4.实指数序列4.1函数4.2实现代码4.3调用方式4.…
阅读更多...
高校数字化校园中数据交换和共享平台的设计与实现（源码+定制+开发）校园数据整合平台、高校信息交换系统、校园数据整合平台、数字校园信息交换平台、校园数据集成管理

高校数字化校园中数据交换和共享平台的设计与实现（源码+定制+开发）校园数据整合平台、高校信息交换系统、校园数据整合平台、数字校园信息交换平台、校园数据集成管理

博主介绍&#xff1a; ✌我是阿龙&#xff0c;一名专注于Java技术领域的程序员&#xff0c;全网拥有10W粉丝。作为CSDN特邀作者、博客专家、新星计划导师&#xff0c;我在计算机毕业设计开发方面积累了丰富的经验。同时&#xff0c;我也是掘金、华为云、阿里云、InfoQ等平台…
阅读更多...
2024 CSS保姆级教程二 - BFC详解

2024 CSS保姆级教程二 - BFC详解

前言 - CSS中的文档流 在介绍BFC之前&#xff0c;需要先给大家介绍一下文档流。​ 我们常说的文档流其实分为定位流、浮动流、普通流三种。​ ​ 1. 绝对定位(Absolute positioning)​ 如果元素的属性 position 为 absolute 或 fixed&#xff0c;它就是一个绝对定位元素。​ 在…
阅读更多...
最新文章

Copyright @ 2022~2023