标签：
一，介绍
分治算法主要包含两个步骤：分、治。分，就是递归地将原问题分解成小问题；治则是：在解决了各个小问题之后(各个击破之后)合并小问题的解，从而得到整个问题的解
二，分治递归表达式
分治算法一般都可以写出一个递归表达式；比如经典的归并排序的递归表达式：T(N)=2T(N/2)+O(N)
T(N)代表整个原问题，采用了分治解决方案后，它可以表示成：
①分解成了两个规模只有原来一半(N/2)的子问题:T(N/2)
②当解决完这两个子问题T(N/2)之后，再合并这两个子问题需要的代价是 O(N)
递归表达式的解就是该算法的时间复杂度。关于某些特定形式的递归表达式，求解时，是可以直接套公式的：
T(N)=aT(N/b)+Θ(N^K) 表示将原问题分解成 a 个 规模大小为 N/b 的子问题，合并这 a 个子问题的代价是 Θ(N^K) （N^k 表示 N 的 k 次方）
T(N)的解有以下三种情况：
1) T(N)=O(N^logba) 当 a > bk 时
2) T(N)=O(Nk logN) 当 a = bk 时
3) T(N)=O(Nk) 当 a < bk 时
三，分治算法的一些实例分析
①最近点问题，参考《数据结构与算法分析》Mark Allen Wiess著 第10章
问题描述：在一个平面上分布着若干个点，点与点之间的距离公式为：[(x1-x2)2 + (y1-y2)2]1/2
找出，距离最小的那两个点
假设平面上有N个点，这N个点之间共有 1+2+3+……+(N-1) = N(N-1)/2 个距离，采用穷举，时间复杂度为O(N^2)；而采用分治则可以做到O(NlogN)
那如何应用分治呢？
首先将N个点按照 X轴坐标进行排序，排序算法的时间复杂度为O(NlogN)，故相对于穷举而言，它不影响总是时间复杂度。因为O(NlogN) << O(N^2)（远远小于）
按X轴坐标排序后，可以划一条垂直于X轴的线，将所有的点划分成两半。那么，点与点之间的距离就会出现三种情况：
a)两个点完全处于垂线的左边，那么这两点的距离不会越过垂线，这类距离记为 DL
b)两个点完全处于垂线的右边，那么这两点的距离不会越过垂线,这类距离记为 DR
c)两个点一个在垂线的左边，一个在垂线的右边，因此这两个的距离会横跨垂线
这种划分思想，在求解：最大子序列的和 时，也可以采用。
设 minD = min{DL，DR}，即minD是 a) 和 b) 这两种情况下的所有距离中最小的那个距离。
那么，可以用数学证明：处于[-minD, minD]这个范围内的点平均只有 O(sqrt(N))个。
而sqrt(N)个点，一共有 O(N)个距离对，因为N个点一共有N(N-1)/2，即O(N^2)个距离对
这样，我们可以将处于 c) 中的点对距离 采用穷举来查找出最小的距离，复杂度为O(N)
而，处于a) 和 b) 中的点可以 继续进行递归划分。
从而，递归表达式为： T(N)=2T(N/2)+O(N) ，而这个表达式的解为：T(N)=O(NlogN)
也就是说，采用了分治，成功地将原问题从O(N^2) 降低为 O(NlogN)
四，参考资料
标签：
原文地址：http://www.cnblogs.com/hapjin/p/5538912.html
