分治法

分治一般可以直接使用递归实现，在不考虑空间消费的情况下和迭代方式时间消耗相差不多

==================================================================

分治一般形式: T(n) = k*T(n/m) + f(n)

k为子问题个数，一般均分或者等比分

n/m问题规模，一般情况下m已经确认了子问题的个数，可以通过变换减少为a个

f(n) 为数据的处理，划分和综合工作量，可以增加预处理，从而减少在递归里面的操作

也就是把递归里面的操作尽量放在循环体外面处理

==================================================================

问题规模和个数k*T(n/m)，k<=m,当然理论上也有T(n-m)的情况，在这种情况下子问题变得很多，且子问题可能相互依赖，不独立，无法逐个解决，需要按照顺序解决子问题，通常那种情况下使用动态规划解决。

所以可以看出来分治和动态规划的区别：一个子问题多，多的还有存在依赖，一个子问题少，且子问题独立，从一般的状态转移方程也可以看出区别，一个是减法衰减，一个是除法衰减。

这里还有一个思考，假如一个问题可以分解成很多个子问题，且子问题独立，这时直接使用分治或者是直接使用动态规划，都是和蛮力算法没有区别，这时就需要考虑使用分治优化策略，减少子问题k,或者通过减少步骤f(n)来优化。

二分检索

二分检索原问题可以看成3个情况，检索目标就在middle，检索目标在middle左边，检索目标在middle右边，f[left,right] = f[middle] or f[left,middle-1] or f[middle+1,right]，

实际上二分检索可以看成分支限界法，arr[middle] 和 target比较剪枝，是分支限界的话，那么就需要知道解空间，解空间就是，检索目标的位置，通过深度增加，不断精确检测目标的位置，直到位置精确到1，[模糊位置，缩小范围，缩小范围，…,精确到1]，这个过程是满足多米诺性质的，可以用剪枝来减少搜索空间。

#%%
# 注意递归的返回值，递归的要返回的话，要前后一致，或者直接基于某一层考虑，把递归看成结果
def binary_Serach_recursive(arr,left,right,target):middle = (left + right) // 2# 递归出口if left > right :return(-1)if arr[middle] == target:return(middle)elif arr[middle] < target:# 这里没有return的话，结果就没法return出来return binary_Serach_recursive(arr,middle+1,right,target)else:return binary_Serach_recursive(arr,left,middle-1,target)def binary_Serach_iterative(arr,target):left = 0right = len(arr)-1# 循环体条件while left <= right:middle = (left + right) // 2if arr[middle] == target:return middleelif arr[middle] < target:left = middle +1else:right = middle -1return -1#%%
arr = [7,3,66,33,22,66,99,0,1]
sort_arr = sorted(arr)
print(sort_arr)
print(binary_Serach_recursive(sort_arr,0,len(arr)-1,22))
print(binary_Serach_recursive(sort_arr,0,len(arr)-1,100))
print(binary_Serach_iterative(sort_arr,22))
print(binary_Serach_iterative(sort_arr,100))[0, 1, 3, 7, 22, 33, 66, 66, 99]
4
-1
4
-1

分治：分治和动态规划的区别，二分检索递归和迭代方式实现相关推荐

贪心算法、分治算法和动态规划的区别
贪心算法.分治算法和动态规划的区别 (1)分治法(divide and conquer method) 将原问题划分成若干个规模较小而结构与原问题相似的子问题,递归的解决这些子问题,然后再合其结果,就 ...
分治算法的设计思想（二分检索、二分归并排序）
分治策略思想: 将原问题划分或者归结为规模较小的子问题. 递归或迭代求解每一个问题. 将子问题的解综合得到原问题的解. 性质: 子问题与原问题具有相同的性质. 子问题的求解彼此独立. 划分时子问题的规 ...
sql表中只有子节点的递归_动态规划与静态规划、递归、分治、回溯
动态规划算是运筹学或者算法中的硬骨头了.不是说算法本身有多难,而是学完用完之后还是感觉到对其领会的不够深入,一种能用其术,不知其道的感觉.在很多教材或者回答中,经常看多将动态规划放在递归这一部分中.当 ...
递归、迭代、分治、回溯、动态规划、贪心算法
今天就简单来谈谈这几者之间的关联和区别递归一句话,我认为递归的本质就是将原问题拆分成具有相同性质的子问题. 递归的特点: 1.子问题拆分方程式,比如:f(n) = f(n-1) * n 2.终止条 ...
动态规划（二）最优二分检索和0/1背包
一.最优二分检索
递归、迭代和分治（1）：递归
1.从现实中理解三个概念可能很多人就已经接触了递归了,不过我敢保证很多人初学者刚开始接触递归的时候,是一脸懵逼的,我当初也是! 可能也有一大部分人知道递归,也能看的懂递归,但在实际做题过程中,却不 ...
【干货】10张GIF动图让你弄懂循环、递归、二分检索等概念
作者:编程派 http://codingpy.com/article/10-gifs-to-understand-some-programming-concepts/ 这十张动图希望能让大家对循环.递 ...
你真的会写二分检索吗？
点击上方"方志朋",选择"设为星标" 回复"666"获取新整理的面试资料来源:http://t.cn/EiwP9qJ 1. 找出第一个与k ...
二分图带权最大匹配费用流_你真的会写二分检索吗？
作者:liubird来源:http://blog.chinaunix.net/uid-1844931-id-3337784.html 前几天在论坛上看到有统计说有80%的程序员不能够写对简单的二分法. ...

分治：分治和动态规划的区别，二分检索递归和迭代方式实现

分治法

分治一般可以直接使用递归实现，在不考虑空间消费的情况下和迭代方式时间消耗相差不多

==================================================================

分治一般形式: T(n) = k*T(n/m) + f(n)

k为子问题个数，一般均分或者等比分

n/m问题规模，一般情况下m已经确认了子问题的个数，可以通过变换减少为a个

f(n) 为数据的处理，划分和综合工作量，可以增加预处理，从而减少在递归里面的操作

也就是把递归里面的操作尽量放在循环体外面处理

==================================================================

问题规模和个数k*T(n/m)，k<=m,当然理论上也有T(n-m)的情况，在这种情况下子问题变得很多，且子问题可能相互依赖，不独立，无法逐个解决，需要按照顺序解决子问题，通常那种情况下使用动态规划解决。

所以可以看出来分治和动态规划的区别：一个子问题多，多的还有存在依赖，一个子问题少，且子问题独立，从一般的状态转移方程也可以看出区别，一个是减法衰减，一个是除法衰减。

二分检索

分治：分治和动态规划的区别，二分检索递归和迭代方式实现相关推荐

最新文章

热门文章