分治
一、几个能用分治解决的判断依据:
- 问题可以分解:原问题可以分解为规模更小、类似的子问题,可以用同样方式递归进行划分。
- 子问题独立:子问题之间没有重叠互不重叠,可以独立解决。
- 子问题的解可以合并:原问题的解通过合并子问题的解得来。
分治可以有效的解决算法问题,可以提升算法的效率,因为分治的子问题相互独立,因此可以并行解决,也就是说分治不仅仅可以降低算法的时间复杂度,还有利于操作系统的并行优化。
二、常见的分治应用:
- 二分查找:将有序数组从中点索引处分为两个部分,然后根据目标值与中间元素值比较结果,决定排除哪一半区间,并在剩余区间执行相同的二分操作。
- 归并排序:把已经排好序的子序列进行合并,得到一个完整的有序序列,相对于先排序一片区域等排序完区域再拼接。
- 快速排序:从数列中选出一个元素,作为一个基准,重新排序,所有比基准小的放在数组左边,所有比基准大的数字放在数组右边,在这个分区结束后,这个基准数字就在数组的最中间,这个被称为分区操作,利用递归把小于基准的子序列和大于基准的子序列进行排序,最终得到一个完整的排序数组。
- 桶排序:设定一个定量的数组作为空桶,遍历数组,将数据放到对应的桶中,对每个不是空的桶进行排序,从每个非空桶中取出数据进行拼接,得到完整的排序数据。
- 树:二叉树,AVL树等
三、二分查找:
- 问题可以分解:二分查找递归的将原问题分解为子问题,这是通过比较中间元素和目标元素来实现。
- 子问题独立:在二分查找中,每轮只处理一个问题,它不受其他子问题的影响。
- 子问题的解不需要合并:二分查找是为了找到一个特定元素,因此不需要将子问题的解进行合并,当子问题得到解决时,原问题也会被解决。
def dfs(nums: list[int], target: int, left: int, right: int):
# 终结条件,区间不存在后返回-1
if left > right:
return -1
# 计算中间点mid
mid = (left + right) // 2
# 如果目标值大于中间值
if nums[mid] < target:
# 继续递归
return dfs(nums, target, mid + 1, right)
# 如果目标值小于中间值
elif nums[mid] > target:
# 继续递归
return dfs(nums, target. left. mid - 1)
# 找到目标值
else:
# 返回目标索引
return mid
def binary_search(nums: list[int], target: int):
lenth = len(nums)
return def(nums, target, 0, lenth - 1)
四、恢复二叉树:
从前序与中序遍历序列构造二叉树
https://leetcode.cn/problems/construct-binary-tree-from-preorder-and-inorder-traversal/
从中序与后序遍历序列构造二叉树
https://leetcode.cn/problems/construct-binary-tree-from-inorder-and-postorder-traversal/
- 问题可以分解:将问题分解为构建左子树,构建右子树。每次将树分解成更小的子树,直到达到空子树为止。
- 子问题独立:左子树和右子树相互独立,没有交集。构建左子树只需要关注中序遍历和前序遍历中与左子树对应的部分,右子树同理。
- 子问题的解可以合并:得到左子树和右子树后,我们将它们连接到根节点上,就可以得到问题的答案。
这里我们用前序遍历和中序遍历去获得目标树,
前序遍历:[根节点|左子树|右子树]
中序遍历:[左子树|根节点|右子树]
根据前序遍历得到根节点,再在中序遍历中获得到左子树和右子树。
根节点在前序遍历中的索引 | 子树在中序遍历的索引 | |
---|---|---|
当前树 | i | [left , right] |
左子树 | i + 1 | [left , mid - 1] |
右子树 | i + 1 + (mid - left) | [mid + 1 , right] |
根据每次的索引,可以得到相对的根节点、左子树和右子树。
def dfs(preorder: list[int], inorder_map: dict[int, int], index: int, left: int, right: int):
# 子树空了后终止
if right - left < 0:
return None
# 初始化根节点
root = TreeNode(preorder[i])
# 查询mid,可以划分左右子树
mid = inorder_map[preorder[index]]
# 构建左子树
root.left = dfs(preorder, inorder_map, index + 1, left, mid - 1)
# 构建右子树
root.right = def(preorder, inorder_map, index + 1 + mid - left, mid + 1, right)
# 返回根节点
return root
def build_tree(preorder: list[int], inorder: list[int]):
# 初始化哈希表
inorder_map = {val: index for index, val in enumerate(inorder)}
root = dfs(preorder, inorder_map, 0, 0, len(inorder) - 1)
return root