在计算机科学中,分治法是一种很重要的算法思想。字面上的解释是“分而治之”,就是把一个复杂的问题分成两个或更多的相同或相似的子问题,再把子问题分成更小的子问题,直到最后子问题可以简单的直接求解,原问题的解即子问题的解的合并。这个技巧是很多高效算法的基础,如排序算法(快速排序,归并排序),傅立叶变换(快速傅立叶变换)等。
任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。问题的规模越小,越容易直接求解,解题所需的计算时间也越少。例如,对于n个元素的排序问题,当n=1时,不需任何计算。n=2时,只要作一次比较即可排好序。n=3时只要作3次比较即可。而当n较大时,问题就不那么容易处理了。要想直接解决一个规模较大的问题,有时是相当困难的。
分治法的设计思想是:将一个难以直接解决的大问题,分割成一些规模较小的相同问题,以便各个击破,分而治之。
分治策略是:对于一个规模为n的问题,若该问题可以容易地解决(比如说规模n较小)则直接解决,否则将其分解为k个规模较小的子问题,这些子问题互相独立且与原问题形式相同,递归地解决这些子问题,然后将各子问题的解合并得到原问题的解。这种算法设计策略叫做分治法。
如果原问题可分割成k个子问题,1<k<=n,且这些子问题都可解并可利用这些子问题的解求出原问题的解,那么这种分治法就是可行的。由分治法产生的 子问题往往是原问题的较小模式,这就为使用递归技术提供了方便。在这种情况下,反复应用分治手段,可以使子问题与原问题类型一致而其规模却不断缩小,最终使子问题缩小到很容易直接求出其解。这自然导致递归过程的产生。分治与递归像一对孪生兄弟,经常同时应用在算法设计之中,并由此产生许多高效算法。
分治法所能解决的问题一般具有以下几个特征:
1)、该问题的规模缩小到一定的程度就可以容易地解决;
2)、该问题可以分解为若干个规模较小的相同形式的问题,即该问题具有最优子结构性质;
3)、利用该问题分解出的子问题的解可以合并为该问题的解;
4)、该问题所分解出的各个子问题是相互独立的,即子问题之间不包含公共的子子问题。
第一条特征是绝大多数问题都可以满足的,因为问题的计算复杂性一般是随着问题规模的增加而增加;
第二条特征是应用分治法的前提,它也是大多数问题可以满足的,此特征反映了递归思想的应用;
第三条特征是关键,能否利用分治法完全取决于问题是否具有第三条特征,如果具备了第一条和第二条特征,而不具备第三条特征,则可以考虑用贪心法或动态规划法;
第四条特征涉及到分治法的效率,如果各子问题是不独立的则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然可用分治法,但一般用动态规划法较好。
分治法在每一层递归上都有三个步骤:
Step1—分解:将原问题分解为若干个规模较小、相互独立、与原问题形式相同的子问题;
Step2—解决:若子问题规模较小且容易被解决则直接解,否则递归地解各个子问题;
Step3—合并:将各个子问题的解合并为原问题的解。
它的一般的算法设计模式如下:
Divide-and-Conquer(P):
if |P|≤n0
then return BASE(P)
将P分解为较小的子问题P1 ,P2 ,...,Pk
for i = 1 to k
do yi = Divide-and-Conquer(Pi) //递归解决Pi
T = MERGE(y1,y2,...,yk) //合并子问题
return T
其中|P|表示问题P的规模;n0为一阈值,表示当问题P的规模不超过n0时,问题已容易直接解出,不必再继续分解。BASE(P)是该分治法中的基本子算法,用于直接解小规模的问题P。因此,当P的规模不超过n0时,直接用算法BASE(P)求解。算法MERGE(y1,y2,...,yk)是该分治法中的合并子算法,用于将P的子问题P1 ,P2 ,...,Pk的相应的解y1,y2,...,yk合并为P的解。
一个分治法将规模为n的问题分成k个规模为n/m的子问题分而解之。设分解阀值n0=1,且BASE解规模为1的问题耗费1个单位时间。再设将原问题分解为k个子问题以及用MERGE将k个子问题的解合并为原问题的解需用f(n)个单位时间。用T(n)表示该分治法解规模为|P|=n的问题所需的计算时间,则有:
T(n) = k*T(n/m) + f(n)
通过迭代法求得方程的解:
递归方程及其解只给出n等于m的方幂时T(n)的值,但是如果认为T(n)足够平滑,那么由n等于m的方幂时T(n)的值可以估计T(n)的增长速度。通常假定T(n)是单调上升的,从而当mi≤n<mi+1时,T(mi)≤T(n)<T(mi+1)。
(1)二分搜索
(2)大整数乘法
(3)Strassen矩阵乘法
(4)棋盘覆盖
(5)合并排序
(6)快速排序
(7)线性时间选择
(8)最接近点对问题
(9)循环赛日程表
(10)汉诺塔
实际上就是类似于数学归纳法,找到解决本问题的求解方程公式,然后根据方程公式设计递归程序。
1、一定是先找到最小问题规模时的求解方法;
2、然后考虑随着问题规模增大时的求解方法;
3、找到求解的递归函数式后(各种规模或因子),设计递归程序即可。
问题的历史渊源:汉诺塔问题来自一个古老的传说:在世界刚被创建的时候有一座钻石宝塔(塔A),其上有64个金碟。所有碟子按从大到小的次序从塔底堆放至塔顶。紧挨着这座塔有另外两个钻石宝塔(塔B和塔C)。从世界创始之日起,婆罗门的牧师们就一直在试图把塔A上的碟子移动到塔C上去,其间借助于塔B的帮助。每次只能移动一个碟子,任何时候都不能把一个碟子放在比它小的碟子上面。当牧师们完成任务时,世界末日也就到了。
问题提出:有三个塔(分别为A号,B号和C号)。开始时,有n个圆形盘以从上到下、从小到大的次序堆叠在A塔上。现要将A塔上的所有圆形盘,借助B塔,全部移动到C塔上,且仍按照原来的次序堆叠。
移动的规则:这些圆形盘只能在3个塔间进行移动。一次只能移动一个盘子,且任何时候都不允许将较大的盘子压在比它小的盘子的上面。
现在,我们具体讨论一下汉诺塔问题的解法:
对于A塔上有n个圆形盘,要将n个圆形盘移动至C塔,则应先将n-1个圆形盘(从上到下,从小到大)移动到B塔,然后将A塔的第n个圆形盘移动至C塔。
然后,下面的步骤就是将B塔的n-1个圆形盘移动至C塔的过程,其具体过程同上一步相似,先将n-2个圆形盘移动至A塔,然后再将B塔的第n-1个圆形盘移动至A塔。
依次递归类推,直到最后只有一个圆形盘时截止。
首先,我们设置移动函数Move(int disc, char srcT, char dstT);
此函数声明的意义是:将disc盘从srcT塔移动至dstT塔,并打印移动信息。
现在,我们设置函数Hanno(int N, char A, char B, char C);
此函数声明的意义是:借助于B塔,将N个圆形盘从A塔移动至C塔。
那么该函数所实现的步骤是:
如果N == 1:
====>>>
直接将N个圆形盘从A塔移动至C塔;
如果N != 1:
====>>>
(1)、首先,借助于C塔,将N-1个圆形盘由A塔移动至B塔,此处简化为函数即为Hanno(N-1, A, C, B);
(2)、然后,将A塔的第N个圆形盘移动至C塔,此处简化为函数即为Move(N,A,C);
(3)、最后,借助A塔,将N-1个圆形盘由B塔移动至C塔,此处简化为函数即为Hanno(N-1,B,A,C)。
首先,设Count(n)为移动n个圆形盘所需的步数:
则有:
Count(1) = 1;
Count(n) = Count(n-1)*2 + 1;
即:Count(n) = 2^n -1;
#include <stdio.h> void Move(int n, char srcT, char dstT); void Hanno(int N, char A, char B, char C); int main(){ int n; char t_first,t_second,t_third; t_first = 'A'; t_second = 'B'; t_third = 'C'; printf("Please input the number of round-disc:\n"); scanf("%d",&n); printf("The movement steps:\n"); Hanno(n,t_first,t_second,t_third); return 0; } void Move(int n, char srcT, char dstT) { // printf("Move disc %d from tower %c to tower %c !\n", n, srcT, dstT); printf("%c-->%c\n",srcT,dstT); } void Hanno(int N, char A, char B, char C) { if(N == 1) Move(1,A,C); else { Hanno(N-1,A,C,B); Move(N,A,C); Hanno(N-1,B,A,C); } }
当n=4时,所得到的结果为:
Please input the number of round-disc: 4 The movement steps: A-->B A-->C B-->C A-->B C-->A C-->B A-->B A-->C B-->C B-->A C-->A B-->C A-->B A-->C B-->C