本文实例讲述了java分治法与二分搜索算法。分享给大家供大家参考，具体如下：
1、分治法
分治法的基本思想是将一个规模为n的问题分解为k个规模较小的子问题，这些子问题相互独立且与原问题相同。递归的解这些子问题，然后将各子问题的解合并得到原问题的解。
分治法所能解决的问题一般具有以下几个特征：
1) 该问题的规模缩小到一定的程度就可以容易地解决
2) 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。
3) 利用该问题分解出的子问题的解可以合并为该问题的解；
4) 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子问题。
分治法的基本步骤：
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。
它的一般的算法设计模式如下：
|
1
2
3
4
5
6
7
8
|
divide-and-conquer(p)
if |p|≤n0
then return(adhoc(p))
//将p分解为较小的子问题 p1 ,p2 ,...,pk
for i←1 to k
do yi ← divide-and-conquer(pi) △ 递归解决pi
t ← merge(y1,y2,...,yk) △ 合并子问题
return(t)
|
其中|p|表示问题p的规模；n0为一阈值，表示当问题p的规模不超过n0时，问题已容易直接解出，不必再继续分解。adhoc(p)是该分治法中的基本子算法，用于直接解小规模的问题p。因此，当p的规模不超过n0时直接用算法adhoc(p)求解。算法merge(y1,y2,...,yk)是该分治法中的合并子算法，用于将p的子问题p1,p2 ,...,pk的相应的解y1,y2,...,yk合并为p的解。
子问题的划分：人们从大量实践中发现，在用分治法设计算法时，最好使子问题的规模大致相同。换句话说，将一个问题分成大小相等的k个子问题的处理方法是行之有效的。许多问题可以取 k = 2。这种使子问题规模大致相等的做法是出自一种平衡(balancing)子问题的思想，它几乎总是比子问题规模不等的做法要好。
2、二分搜索
大部分程序员应该都知道二分搜索的大致原理，这里不再赘述。需要说明的是二分搜索是所有以比较为基础的搜索算法时间复杂度最低的算法。用二叉树描速二分查找算法，最坏情况下与二叉树的最高阶相同。比较二叉树线性查找也可用二叉树表示，最坏情况下比较次数为数组元素数量。任何一种以比较为基础的搜索算法，其最坏情况所用时间不可能低于o(logn)。
二分搜索程序清单如下：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
import java.util.scanner;
public class binarysearch {
public static int binarysearch (int[] a,int x,int n) {
int left = 0;
int right = n - 1;
while(left <= right) {
int middle = (left + right) / 2;
if(x == a[middle]) return middle;
if(x >= a[middle]) left = middle + 1;
else right = middle - 1;
}
return -1;
}
public static void main(string args[]) {
system.out.println("服务器之家测试结果：");
int[] a = new int[10];
for(int i = 0; i < a.length; i++) {
a[i] = i+1;
system.out.print(a[i] + " ");
}
system.out.println();
system.out.println("请输入你要查询的数：");
scanner sc = new scanner(system.in);
int b = sc.nextint();
int num = binarysearch(a, b, a.length) + 1;
system.out.println("要查找的数在第" + num + "个位置");
}
}
|
运行结果：
希望本文所述对大家java程序设计有所帮助。
原文链接：http://blog.csdn.net/u014755255/article/details/50193463