版权声明:本文为博主原创文章,未经博主允许不得转载。转载请标明出处:http://blog.csdn.net/ligang2585116! https://blog.csdn.net/ligang2585116/article/details/83866378
分治算法
分而治之,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。如:二分法、快速排序、归并排序,二叉树遍历(先遍历左子树再遍历右子树)等。
步骤:
- 分解:将原有问题分解为若干规模较小,相对独立,与原问题形式相同的子问题;
- 解决:若子问题容易解决,则直接解;否则继续分解为更小的子问题,直到容易解决;
- 合并:将已求解的各个子问题的解逐步合并为原问题的解。
经典递归案例:
示例: 归并排序
示例: 二分查找法(二分法)
二分查找也称折半查找,其要求线性表必须采用顺序存储结构,而且表中元素按关键字有序排列。
- 假设表中元素是按升序排序,将中间位置的数与要查找的数做比较;
- 如果大于该数,则在其左侧子表中继续查找;否则在右侧子表中继续查找;
- 重复上述步骤,知道查找成功或者不存在。
function binarySearch (find, ary, low, high) {
let mid = Math.ceil((low + high)/2)
if (low <= high) {
if (ary[mid] === find) {
return mid
} else if (ary[mid] > find) {
return binarySearch(find, ary, 0, mid - 1)
} else {
return binarySearch(find, ary, mid + 1, high)
}
}
return -1
}
let ary = [1, 2, 3, 4, 5, 6, 7]
binarySearch(3, ary, 0, ary.length - 1)
改造参数
function binarySearch (find, ary) {
let low = 0
let high = ary.length - 1
return (function f (low, high) {
let mid = Math.ceil((low + high)/2)
if (low <= high) {
if (ary[mid] === find) {
return mid
} else if (ary[mid] > find) {
return f(0, mid - 1)
} else {
return f(mid + 1, high)
}
}
return -1
})(low, high)
}
let ary = [1, 2, 3, 4, 5, 6, 7]
binarySearch(3, ary)