一、什么是分治

【百度百科】分治法（(Divide and Conquer)）可以通俗的解释为：把一片领土分解，分解为若干块小部分，然后一块块地占领征服，被分解的可以是不同的政治派别或是其他什么，然后让他们彼此异化。

分治法的精髓：

分--将问题分解为规模更小的子问题；
治--将这些规模更小的子问题逐个击破；
合--将已解决的子问题合并，最终得出“母”问题的解；

在计算机科学中，分治法是一种很重要的算法。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)……

大白话：大事化小，小事化了。

二、分治法能解决的问题特征

该问题的规模缩小到一定的程度就可以容易地解决
该问题可以分解为若干个规模较小的相同问题，即该问题具有最优子结构性质。
利用该问题分解出的子问题的解可以合并为该问题的解；
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问题。

上述的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。

大白话：简单问题分治法，复杂问题贪心法或动态规划，是否简单看上面的四个特征↑。

PS:大数据中运用分治法非常多，通常会把大问题分解成相同的小问题，后面我们再慢慢聊。

三、分治法解法

由分治法产生的子问题往往是原问题的较小模式，这就可以使用递归技术来解决。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。

这样，我们就把分治法化为了怎么进行递归。

1.求解递归式的三种方法

这三种方法分别是：代入法，递归树法，和主方法。代入法是一种十分强大的方法，它几乎可以求解所有的递归式。然而，对于一些“小鸡”来说，不需要这么强大的“牛刀”。对于一些特定类型的递归式（具体类型在主方法的小节中会介绍），用主方法可以用更少的时间得到一个更确切的界。

2.分治法在每一层递归上都有三个步骤：

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；
解决：若子问题规模较小而容易被解决则直接解，否则递归地解各个子问题；
合并：将各个子问题的解合并为原问题的解。

3.它的一般的算法设计模式如下：

1. if |P|≤n0
2. then return(ADHOC(P))
3. 将P分解为较小的子问题 P1 ,P2 ,...,Pk
4. for i←1 to k
5. do yi ← Divide-and-Conquer(Pi) △ 递归解决Pi
6. T ← MERGE(y1,y2,...,yk) △ 合并子问题
7. return(T)

四、分治法实现最近对问题（JAVA）

题目：假设所有点都在集合S中。

用S中个点坐标的中位数作为分割点，则会得到一个平衡的分割点m，使得子集S1,S2中有个数大致相同的点。
选取垂直线x=c（中位线）来作为分割线。
递归地求出S1和S2中的最近对，假设D1、D2是最近距离。
距离最近的点，可能在线的俩边，所以，我们需要在以x=c为对称的、宽度为2D的（D为D1、D2中的最小值）的垂直带中。
在该范围中递归得出最近距离。

import java.util.*;
public class S2_4 {public static void main(String[] args) {Scanner s=new Scanner(System.in);int x=0,x1=0,x2=0,x3=0,x4=0;int y=0,y1=0,y2=0;double dis1=0,dis2=0;System.out.print("输入需要生成多少个随机点N：");int n=s.nextInt();int A[][]=new int[n][2];int B[][]=new int[n][2];int C[][]=new int[n][2];int D[][]=new int[n][2];for(int i=0;i<n;i++) {A[i][0]=(int)(Math.random()*100)+1;//生成100以内的随机数,放入横坐标}for(int i=0;i<n;i++) {A[i][1]=(int)(Math.random()*100)+1;//生成100以内的随机数,放入纵坐标}for(int i=0;i<n;i++) {System.out.println("("+A[i][0]+","+A[i][1]+")");}int minX = (int) Double.POSITIVE_INFINITY;       //保证假设的初始最小值足够大     int maxX = (int) Double.NEGATIVE_INFINITY;     //保证假设的初始最大值足够小     for(int i = 0; i < A.length; i++){            if(A[i][0] < minX)               minX = A[i][0];            if(A[i][0] > maxX)               maxX = A[i][0];        }       int mid = (minX + maxX)/2;int p=0,t=0;for(int i=0;i<n;i++) {   //将x坐标分成俩个部分if(A[i][0]<=mid) {         B[p][0]=A[i][0];B[p][1]=A[i][1];p++;}else {C[t][0]=A[i][0];C[t][1]=A[i][1];t++;}}int d1=(int) Double.POSITIVE_INFINITY,d2=(int) Double.POSITIVE_INFINITY;  //设置俩边的距离最小值为较大的数值int dx=0,dy=0,dz=0;for(int i=0;i<=p-2;i++)    //得出d1的值for(int j=i+1;j<=p-1;j++) {dx=(B[j][0]-B[i][0])*(B[j][0]-B[i][0])+(B[j][1]-B[i][1])*(B[j][1]-B[i][1]);if(dx<d1) {d1=dx;x1=i;  //记录俩个点的坐标x2=j;}}for(int i=0;i<=t-2;i++)    //得出d2的值for(int j=i+1;j<=t-1;j++) {dy=(C[j][0]-C[i][0])*(C[j][0]-C[i][0])+(C[j][1]-C[i][1])*(C[j][1]-C[i][1]);if(dy<d2) {d2=dy;x3=i;  //记录俩个点的坐标x4=j;}}System.out.println("mid="+mid+" "+"d1="+d1+" "+"d2="+d2);if(d1<d2) {dz=d1;dis1=Math.sqrt(dz);System.out.println("x坐标中的最小距离的俩个点为："+A[x1][0]+","+A[x1][1]+" "+A[x2][0]+","+A[x2][1]);System.out.println("最小距离为："+dis1);x=x1;y=x2;}else {dz=d2;dis1=Math.sqrt(dz);System.out.println("x坐标中的最小距离的俩个点为："+A[x3][0]+","+A[x3][1]+" "+A[x4][0]+","+A[x4][1]);System.out.println("最小距离为："+dis1);x=x3;y=x4;}int q=0;for(int i=0;i<n;i++) {if((mid-dis1)<=A[i][0] && A[i][0]<=(mid+dis1)) {  //中心线左右俩边的最小距离内寻找俩边的最近点D[q][0]=A[i][0];D[q][1]=A[i][1];q++;}}double mind=Double.POSITIVE_INFINITY;//mind设置为正无穷大，作为比较值double dis=0;for(int k=0;k<=q-2;k++)for(int j=k+1;j<=q-1;j++) {dis=(D[j][0]-D[k][0])*(D[j][0]-D[k][0])+(D[j][1]-D[k][1])*(D[j][1]-D[k][1]);if(dis<mind) {mind=dis;y1=k;  //记录俩个点的坐标y2=j;}}dis2=Math.sqrt(mind);System.out.println("dis1="+dis1+" "+"dis2="+dis2);if(dis1<dis2) {System.out.println("最小距离为："+dis1);System.out.print("俩个点分别为："+"("+A[x][0]+","+A[x][1]+")");System.out.println(" "+"("+A[y][0]+","+A[y][1]+")" );}else {System.out.println("最小距离为："+dis2);System.out.print("俩个点分别为："+"("+A[y1][0]+","+A[y1][1]+")");System.out.println(" "+"("+A[y2][0]+","+A[y2][1]+")" );}}
}

五、经典问题

二分搜索 [1]
大整数乘法
Strassen矩阵乘法
棋盘覆盖
合并排序
快速排序
线性时间选择
最接近点对问题
循环赛日程表
汉诺塔
大数据

我的微信公众号：架构真经（id：gentoo666），分享Java干货，高并发编程，热门技术教程，微服务及分布式技术，架构设计，区块链技术，人工智能，大数据，Java面试题，以及前沿热门资讯等。每日更新哦！

参考资料：

https://blog.csdn.net/xlinsist/article/details/79198842
https://blog.csdn.net/weixin_42059543/article/details/83001863

程序员的算法课（13）-分治法相关推荐

c++分治法求最大最小值实现_程序员：算法导论，分治法、归并排序，伪代码和Java实现...
分治法我们首先先介绍分治法.分治法的思想:将原问题分解为几个规模较小但类似于原问题的子问题,递归地求解这些子问题,然后在合并这些子问题的解来解决原问题的解. 还是拿扑克牌举例子,假设桌上有两堆牌面朝 ...
视频教程-程序员必备算法课！（揭秘淘宝购物车算法）-机器学习
程序员必备算法课!(揭秘淘宝购物车算法) CSDN讲师名下集合了诸多业界知名讲师的公开课内容,内容涵盖人工智能.大数据.区块链等诸多热门技术领域的最佳技术实践,聚合美团.滴滴.AWS.科大讯飞等知名企 ...
程序员的算法课（2）-排序算法
术语说明稳定:如果a原本在b前面,而a=b,排序之后a仍然在b的前面: 不稳定:如果a原本在b的前面,而a=b,排序之后a可能会出现在b的后面: 内排序:所有排序操作都在内存中完成: 外排序:由于数 ...
程序员的算法课（15）-分治法获取文件中出现频次最高100词
一.问题描述这个问题在大数据面试中容易出现,问题如下: 有一个1G大小的一个文件,里面每一行是一个词,词的大小不超过16字节,内存限制大小是1M,要求返回频数最高的100个词. 二.思路此处1G文 ...
程序员的算法课（1）-算法概述
[算法之美]数据结构+算法=程序. 前言数据结构只是静态的描述了数据元素之间的关系.高效的程序需要在数据结构的基础上设计和选择算法. 高效的程序=恰当的数据结构+合适的算法算法(Algorithm ...
程序员的算法课（5）-动态规划算法
前言众所周知,递归算法时间复杂度很高为(2^n),而动态规划算法也能够解决此类问题,动态规划的算法的时间复杂度为(n^2).动态规划算法是以空间置换时间的解决方式. 一.什么是动态规划动态规划(D ...
程序员的算法课（4）-二分查找
一个90%的程序员写不对的程序,一个面试高频出现的面试题,一个开发中用之甚广的算法,一个最能体现程序员素质的代码,它就是二分查找. 一.二分查找的定义 [百度百科]二分查找也称折半查找(Binary ...
程序员的算法课（3）-递归（recursion）算法
一.什么是递归递归是一种数学上分而自治的思想. 递归将大型复杂问题转化为与原问题相同但规模较小的问题进行处理递归需要有边界条件,当边界条件不满足时,递归继续进行:当边界条件满足时,递归停止 [百 ...
c 递归下降识别程序_程序员的算法课（3）-递归（recursion）算法
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/m0_37609579/article/ ...

程序员的算法课（13）-分治法