分治法实验报告一
分治算法实验
分治算法实验（用分治法查找数组元素的最大值和最小值）算法分析与设计实验报告第一次实验实验步骤关键代码}else//当数组中元素个数少于2时，直接赋值处理1. 先解决小规模的问题，如数组中只有1个元素或者只有两个元素时候的情况。
2. 将问题分解，如果数组的元素大于等于3个，将数组分为两个小的数组。
3. 递归的解各子问题，将中分解的两个小的数组再进行以上两个步骤最后都化为小规模问题。
4. 将各子问题的解进行比较最终得到原问题的解。
//分治法处理整个数组，求出最大值与最小值void merge( int a[], int left, int right, int &Max, int &Min){int max1=0,min 1=0,max2=0,min2=0;if (right-left>2) //当数组中元素个数大于3时，才实行分治法{int mid=(right+left)/2;merge(a,left,mid,max1,mi n1);//左半边递归调用自身，求岀最大值与最小值，分别保存在max1,min1中merge(a,mid+1,right,max2,mi n2);//右半边递归调用自身，求岀最大值与最小值，分别保存在max2,min2中if (max1>=max2)Max=max1; //子序列两两合并，求岀最大值与最小值elseMax=max2; //分别保存在Max与Minif (min1<=min2)Min=mi n1;elseMin=mi n2;测试结果实验心得Max=compmax(a,left,right);Min=compmi n( a,left,right);}}利用分治法（递归实现）：非递归实现:请输入数据克1000093 32767The tine is1990003276? 9The tine is1000032767 0TJ IE tine is1000 32767 9The time is3276? RThe tine is內.0060-004TO通解，明白了分治法到底是怎样的一个过程，在代码实现分治法的时候，也使我加深了对于自己构造函数的理解，明白了分治法利用代码是怎样实现的，以及构造函数的传参与返回值等等地方需要注意的F;\鮒实验沁［p || B附录：完整代码（分治法）#include <iostream>#inelude <time.h>#include <iomanip> using namespacestd;//当数组中的元素个数小于3时，处理最大值int compmax(int A[], int start, int end) {int max;if (start<end) //有两个元素{if (A[start]<=A[end]) max=A[e nd];elsemax=A[start];}else //有一个元素max=A[start];return max;}//当数组中元素的个数小于2时，处理最小值int compmin(int A[], int start, int end){int min;if (start<end) //有两个元素{if (A[start]<=A[end]) mi n= A[start];elsemin= A[e nd];}else //有一个元素mi n=A[start];return mi n;}//分治法处理整个数组，求最大值与最小值void merge( int a[], int left, int right, int &Max,int &Min) 〃Max,Min 用来保存最大值与最小值//之所以使用&引用，是由于如果只是简单的使用变量，并不会改变Ma>与Min的值，使用指针也可以{int max1=0,min 1=0,max2=0,min2=0;if (right-left>2) //当数组中元素个数大于等于3时，进行分治{int mid=(right+left)/2;merge(a,left,mid,max1,min1); //左半边递归调用自身，求出最大值最小值，分别保存在max1,min1中merge(a,mid+1,right,max2,min2); //右半边递归调用自身，求出最大值最小值，分别保存在max2,min2中if (max1>=max2) //子序列两两合并，求出最大值与最小值，保存在Max与Mi n 中Max=max1;elseMax=max2;if (min 1<=min2)Min=min1;elseMin=min 2;}else //数组中元素个数小于3时的情况，直接赋值{Max=compmax(a,left,right);Mi n=compmi n( a,left,right);}}void ran( int *input, int n) //随机生成数组元素函数{int i;sran d(time(0)); for(i=0;i<n;i++) input[i]=ra nd();input[i]= '\0';}int a[1000000]; //定义全局变量用来存放要查找的数组int main(){int n;int i;int max;int min;coutvv "请输入要查找的序列个数:"<<e ndl;for (i=0;i<5;i++){cin>>n;ran (a,n);start=clock();en d=clock();over=end-start;start=clock();//调用分治法算法merge(a,0, n-1,max,min);coutvvmax<<‘ " vvminvvendl;en d=clock();printf( "The time is %6.3f" ,( double )(end-start-over)/CLK_TCK); //显示运行时间}system( "pause"); // 停止运行窗口return 0;}完整代码(非递归方法)#include <iostream>#include <time.h>#include <iomanip> usingnamespacestd;void ran( int *input, int n) {//随机生成数组元素函数int i;sran d(time(0));for (i=0;i<n;i++)in put[i]=ra nd();input[i]= '\0';}int a[1000000];int main(){int max=a[0],min=a[0];int i,j,n;cout<<"请输入数据规模: "<<e ndl;for (j=0;j<5;j++){cin»n;ran( a, n);clock_t start,e nd,over;//计算程序运行时间的算法start=clock();en d=clock();start=clock(); for(i=1;i<n;i++) {if (a[i]>max)max=a[i];if (a[i]<min) min=a[i];}coutvvmax<<‘ " vvminvvendl;en d=clock();printf( "The time is %6.3f" ,( double )(end-start-over)/CLK_TCK); // 显示运行时间}system( "pause");return 0;}。
算法实验报告
实验一分治与递归算法的应用一、实验目的1．掌握分治算法的基本思想（分-治-合）、技巧和效率分析方法。
2．熟练掌握用递归设计分治算法的基本步骤（基准与递归方程）。
3．学会利用分治算法解决实际问题。
二 . 实验内容金块问题老板有一袋金块（共n块，n是2的幂（n≥2））,最优秀的雇员得到其中最重的一块，最差的雇员得到其中最轻的一块。
假设有一台比较重量的仪器，希望用最少的比较次数找出最重和最轻的金块。
并对自己的程序进行复杂性分析。
三.问题分析:一般思路：假设袋中有n 个金块。
可以用函数M a x（程序1 - 3 1）通过n-1次比较找到最重的金块。
找到最重的金块后，可以从余下的n-1个金块中用类似法通过n-2次比较找出最轻的金块。
这样，比较的总次数为2n-3。
分治法：当n很小时，比如说，n≤2，识别出最重和最轻的金块，一次比较就足够了。
当n 较大时（n＞2），第一步，把这袋金块平分成两个小袋A和B。
第二步，分别找出在A和B中最重和最轻的金块。
设A中最重和最轻的金块分别为HA 与LA，以此类推，B中最重和最轻的金块分别为HB 和LB。
第三步，通过比较HA 和HB，可以找到所有金块中最重的；通过比较LA 和LB，可以找到所有金块中最轻的。
在第二步中，若n＞2，则递归地应用分而治之方法程序设计据上述步骤，可以得出程序1 4 - 1的非递归代码。
该程序用于寻找到数组w [ 0 : n - 1 ]中的最小数和最大数，若n < 1，则程序返回f a l s e，否则返回t r u e。
当n≥1时，程序1 4 - 1给M i n和M a x置初值以使w [ M i n ]是最小的重量，w [ M a x ]为最大的重量。
首先处理n≤1的情况。
若n>1且为奇数，第一个重量w [ 0 ]将成为最小值和最大值的候选值，因此将有偶,数个重量值w [ 1 : n - 1 ]参与f o r循环。
当n 是偶数时，首先将两个重量值放在for 循环外进行比较，较小和较大的重量值分别置为Min和Max，因此也有偶数个重量值w[2:n-1]参与for循环。
分治算法的实验报告
一、实验背景分治算法是一种常用的算法设计方法，其基本思想是将一个复杂问题分解成若干个相互独立的小问题，然后将小问题递归求解，最终将子问题的解合并为原问题的解。
分治算法具有高效性、可扩展性和易于实现等优点，被广泛应用于各个领域。
本实验旨在通过实现分治算法解决实际问题，掌握分治算法的设计思想，并分析其时间复杂度。
二、实验目的1. 理解分治算法的基本思想；2. 掌握分治算法的递归实现方法；3. 分析分治算法的时间复杂度；4. 应用分治算法解决实际问题。
三、实验内容本实验选择两个分治算法：快速排序和合并排序。
1. 快速排序快速排序是一种高效的排序算法，其基本思想是将待排序序列分为两个子序列，其中一个子序列的所有元素均小于另一个子序列的所有元素，然后递归地对两个子序列进行快速排序。
（1）算法描述：① 选择一个基准值（pivot），通常取序列的第一个元素；② 将序列分为两个子序列，一个子序列包含所有小于基准值的元素，另一个子序列包含所有大于基准值的元素；③ 递归地对两个子序列进行快速排序。
（2）代码实现：```cvoid quickSort(int arr[], int left, int right) {if (left < right) {int pivot = arr[left];int i = left;int j = right;while (i < j) {while (i < j && arr[j] >= pivot) {j--;}arr[i] = arr[j];while (i < j && arr[i] <= pivot) {i++;}arr[j] = arr[i];}arr[i] = pivot;quickSort(arr, left, i - 1);quickSort(arr, i + 1, right);}}```2. 合并排序合并排序是一种稳定的排序算法，其基本思想是将待排序序列分为两个子序列，分别对两个子序列进行排序，然后将排序后的子序列合并为一个有序序列。
分治法实验报告
一. 实验目的及实验环境实验目的：熟练掌握运用分治法解决问题。
实验环境：windows下的Ubuntu虚拟机二. 实验内容利用分治法求一个数组的最大值、最小值（要求：数组的大小和数组的长度随机产生）三．方案设计分治法解决问题就是要将原问题分解成小问题，再将小问题分解成更小的问题，以此类推，直到最终分解的问题能够一步解决即可。
代码要求最后要输出数组的最大值、最小值。
所以，在用分治法求最值的函数max_min（）中，需要将设置参数int *max，int *min。
即void max_min(int a[],int m,int n,int *max,int *min)。
这样就可以直接得到最大值、最小值。
该函数使用递归来实现，而递归的终止条件是最后分得的数组中只有一个或两个元素，当分得的数组元素个数大于2时，就进行递归调用。
四．测试数据及运行结果正确的3组运行结果：出现的错误：若将代码中的随机数函数返回值的类型改变，则会出现错误结果，甚至编译不通过。
五．总结1．实验过程中遇到的问题及解决办法；实验过程中，用分治法求最大值、最小值时，如果用返回值求最大值和最小值，则需要两个函数。
这样就会导致代码冗余，不会达到代码的复用性功能。
所以要将两个功能用一个函数直接实现就可以使用参数指针的形式。
2．对设计及调试过程的心得体会。
算法设计的课内实验既要实现实验的功能，还要讲究代码中算法的精妙、简单以及它的效率。
不能同其他高级语言的课内实验一样仅仅考虑如何完成该实验的功能，这样就可以真正地体验到算法与设计这门课的意义。
平时做实验时我们可以用不同算法实现，这样不仅可以积累平常上课学到的知识，还可以为以后的算法设计能力奠定基础。
平常更多地进行思考，可以让我们在求职时更受益。
六．附录：源代码（电子版）#include<stdio.h>#include<stdlib.h>#include<time.h>void max_min(int a[],int m,int n,int *max,int *min){int middle,hmax,hmin,gmax,gmin;if(m==n){ *max=a[m];*min=a[m];}else if(m==n-1){if(a[m]>a[n]){*max=a[m];*min=a[n];}else{*max=a[n];*min=a[m];}}else{max_min(a,m,middle,&gmax,&gmin);max_min(a,middle+1,n,&hmax,&hmin);if(gmax>hmax)*max=gmax;else*max=hmax;if(gmin<hmin)*min=gmin;else*min=hmin;}}int main(){int i;int max,min;srand((unsigned)time(NULL));int n=rand()%10+1;printf("数组的个数：%d\n",n);int a[n];for(i=0;i<n;i++){a[i]=rand()%50+1;printf("%d\t",a[i]);}max_min(a,0,n-1,&max,&min);printf("最大数:%d,最小数：%d\n",max,min);retur n 0;}。
分治算法实验报告
算法分析与设计实验报告第 1 次实验if（maxi>maxj)max=maxi；elsemax=maxj；if（mini<minj)min=mini;elsemin=minj;return；｝}srand(（unsigned int)time(NULL)）；cout <〈”随机产生的数据（0—100）：”;for（int i=0； i〈m; i++）a[i] = rand(）%100；测试结果附录：完整代码SelectMaxMin.cpp:＃include <iostream>＃include <ctime>＃include 〈cstdio>#include <iomanip>＃include 〈cstdlib〉using namespace std;void SelectMaxMin（int ＊a，int i，int j,int &max,int ＆min) ｛if（i==j)｛max= a[i];min =a［i]；return;}else｛int mid=（i+j)/2;int maxi，maxj，mini，minj;SelectMaxMin（a,i，（i+j）/2,maxi,mini）;SelectMaxMin(a，((i+j）/2）+1,j，maxj，minj);if（maxi〉maxj)max=maxi;elsemax=maxj;if(mini<minj)min=mini；elsemin=minj;return;}}int main（）{clock_t start,end，over；start=clock();end=clock();over=end—start;start=clock(）；//freopen（"in。
txt",”r"，stdin）；//freopen(”out。
txt”，”w"，stdout);int m；cout 〈<"Please input the number : ”;cin>〉 m；int a［m]；srand((unsigned int）time(NULL））;cout 〈〈 "随机产生的数据（0-100)："；for（int i=0; i〈m; i++）a［i] = rand（)％100；for(int i=0； i〈m; i++)cout <〈 a[i] 〈< " ";cout 〈< endl；int max，min;SelectMaxMin(a,0,m-1,max,min）;cout 〈< "max = " 〈〈 max 〈〈 endl;cout <〈”min = " <〈 min 〈〈 endl；end=clock（)；printf（”The time is %6.3f”,（double）(end-start—over）/CLK_TCK）; ｝。
递归与分治实验报告
竭诚为您提供优质文档/双击可除递归与分治实验报告篇一：实验一递归与分治算法编程-实验报告纸南京信息工程大学实验（实习）报告实验（实习）名称递归与分治算法编程实验（实习）日期得分指导教师院专业年级班次姓名学号1．实验目的：1）掌握递归与分治策略的基本思想2）掌握递归算法在阶乘函数、Ackerman函数、整数划分等问题上的应用3）掌握二分查找、合并排序、快速排序等问题的分治算法实现4）熟悉myeclipse或eclipse等Java开发工具的使用。
2．实验内容：1）采用myeclipse或eclipse编程实现基于分治策略的二分查找算法。
2）采用myeclipse或eclipse编程实现基于分治策略的合并排序算法。
3）采用myeclipse或eclipse编程实现基于分治策略的合并排序算法。
3．实验步骤二分查找publicclasssorting{publicstaticintbinarysearch(int[]a,intx,intn){intle ft=0;intright=n-1;while(left intmiddle=(left+right)/2;if(x==a[middle])returnmiddle;if(x>a[middle])left=middle+1;elseright=middle-1;}return-1;}publicstaticvoidmain(stringargs[]){intx,n;inta[]={1,3,4,5,6,13,25};x=6;n=7;ints;s=binarysearch(a,x,n);system.out.println(s);合并排序publicclassmergesort{publicstaticvoidmergesort(int[]a){}publicstaticvoid mergepass(int[]x,int[]y,ints){}publicstaticvoidmerg e(int[]c,int[]d,intl,intm,intr){inti=1,j=m+1,k=1;in ti=0;while(i }}if(c[i]-(c[j])m)for(intq=j;q快速排序publicclassQsort{privatestaticvoidqsort(inta[],intp,intr){}privatest aticintpartition(inta[],intp,intr){inti=p;intj=r+1; intx=a[p];inttemp;while(true){while((a[++i]-x)0);if (i>=j)break;temp=a[i];if(p }}}a[j]=temp;mymath.s wap(a,i,j);//a[p]=a[j];a[j]=x;returnj;publicstaticv oidmain(string[]args){}inta[]={4,2,7,9,1};qsort(a,0,4);for(inti=0;;i++){}s ystem.out.println(a[i]);4．实验分析和总结掌握了递归与分治策略的基本思想掌握了递归算法在阶乘函数、Ackerman函数、整数划分等问题上的应用掌握了二分查找、合并排序、快速排序等问题的分治算法实现熟悉了myeclipse或eclipse等Java开发工具的使用。
矩阵乘法分治法
当n=1时，2个1阶方阵的乘积可直接算出，只需要做一次乘法。当子矩阵阶n>1时，为求两个子矩阵的乘积，可继续对两个子矩阵分块，直到子矩阵的阶为1。由此，便产生了分治降阶的递归算法。
但是这个算法并没有降低算法的时间复杂度。由strassen矩阵乘法，
算法设计与分析实验报告
实验名称：矩阵乘法(分冶法)
一、问题陈述和分析：
1.实验目的：掌握分总冶策略的基本思想以及用分冶法解决问题的一般技巧．运用编程工具，并运用分冶法来解* n阶矩阵，求它们两的乘积矩阵C。这里，假设n是2的幂次方；
3.实验要求：编制程序并对其时间复杂度和空间复杂度进行分析.
4.voidAdd(int n,int **A,int **B,int **C)
函数的功能是：实现C=A+B，A，B，C都是n*n矩阵。
3.voidMul(int n,int **A,int **B,int **M)
函数的功能是：将n*n的矩阵A，B相乘，结果存放在n*n的矩阵M中。
算法设计：
整个算法的大致思想是：在函数Mul(int n,int **A,int **B,int **M)中先判断n的值，若n==1，表示A，B，C均为一阶方阵。则M[0][0]=A[0][0]*B[0][0]；否则，调用Divide(n,A,A11,A12,A21,A22);和Divide(n,B,B11,B12,B21,B22);将A和B都分为四个（n/2）*(n/2)的子矩阵。然后递归调用
正确性证明：
由矩阵乘法的计算方法可知，上述计算方法显然正确
三、时间和空间复杂性分析：
时间复杂性：
Strassen矩阵乘法中，用了7次对于n/2阶矩阵乘法的递归调用和18次n/2阶矩阵的加减运算。由此可知，该算法所需的计算时间T（n）满足如下递归方程
分治法实验心得
分治法实验心得分治法实验心得分治法是一种常见的算法设计策略，它将原问题划分成若干个规模较小但结构与原问题相似的子问题，然后递归地求解这些子问题，最终将子问题的解合并得到原问题的解。
在本次实验中，我们实现了两个基于分治法的算法：归并排序和快速排序，并对它们进行了性能测试和比较。
一、归并排序1. 原理归并排序是一种典型的分治算法。
它将待排序数组不断地二分为两个子数组，直到每个子数组只剩下一个元素。
然后将相邻的两个子数组合并成一个有序数组，再将相邻的两个有序数组合并成一个更大的有序数组，直到最终合并成整个待排序数组。
2. 实现我们采用了自顶向下的递归方式实现了归并排序。
具体来说，我们定义了一个merge函数用于合并两个有序子数组，并定义了一个sort 函数用于递归地对左右两个子数组进行排序和合并。
3. 性能测试与比较我们使用Python内置的time模块对不同规模（10^2 ~ 10^6）的随机整数列表进行了性能测试，并绘制出了运行时间随数组规模增大的变化曲线。
结果表明，归并排序的时间复杂度为O(nlogn)，与理论分析相符。
二、快速排序1. 原理快速排序也是一种分治算法。
它选择一个基准元素，将数组中小于等于它的元素放在其左侧，大于它的元素放在其右侧。
然后递归地对左右两个子数组进行同样的操作，直到每个子数组只剩下一个元素。
2. 实现我们实现了两个版本的快速排序：递归版本和非递归版本。
其中，递归版本采用了经典的Lomuto分区方案，而非递归版本则采用了更高效的Hoare分区方案。
3. 性能测试与比较我们同样使用Python内置的time模块对不同规模（10^2 ~ 10^6）的随机整数列表进行了性能测试，并绘制出了运行时间随数组规模增大的变化曲线。
结果表明，快速排序具有很好的平均时间复杂度（O(nlogn)），但最坏情况下时间复杂度会退化到O(n^2)。
三、总结与思考通过本次实验，我们深入理解了分治算法设计策略，并学会了如何实现归并排序和快速排序。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
宁波工程学院电信学院计算机系实验报告课程名称：算法设计与分析实验项目：用分治法算法解最接近点对问题指导教师：崔迪实验位置：软件工程实验室姓名：班级：学号：日期： 2016/10/12一、实验目的通过上机实验，要求掌握分治法算法的问题描述、算法设计思想、程序设计和算法复杂性分析等。
二、实验环境：Eclipse三、实验内容：用分治法解最接近点对问题（1）问题描述给定平面S上n个点，找其中的一对点，使得在n(n-1)/2 个点对中，该点对的距离最小。
（2）算法设计思想1. n较小时直接求 (n=2).2.将S上的n个点分成大致相等的2个子集S1和S23.分别求S1和S2中的最接近点对4.求一点在S1、另一点在S2中的最近点对5.从上述三对点中找距离最近的一对.（3）程序设计（程序清单及说明）package closestpair;import java.util.Arrays;import parator;import java.util.Random;import java.util.Scanner;//定义坐标点class Point {double x;double y;public Point(double x, double y) {this.x = x;this.y = y;}}// 根据x坐标排序class MyComparatorX implements Comparator<Point> { @Overridepublic int compare(Point p1, Point p2) {if (p1.x < p2.x) {return -1;} else if (p1.x > p2.x) {return 1;} else {return 0;}}}// 根据Y坐标排序class MyComparatorY implements Comparator<Point> { @Overridepublic int compare(Point p1, Point p2) {if (p1.y < p2.y) {return -1;} else if (p1.y > p2.y) {return 1;} else {return 0;}}}public class ClosestPair {public static Point[] point = new Point[2];public static double mindis = Double.POSITIVE_INFINITY;public static void main(String[] args) {do {System.out.print("请输入坐标点数:");Scanner scanner = new Scanner(System.in);int n = scanner.nextInt();if (n <= 1) {System.out.println("请输入大于1的点数！");} else {Random random = new Random();Point point[] = new Point[n];for (int i = 0; i < n; i++) {point[i] = new Point(random.nextInt(100), random.nextInt(100));System.out.println("(" + point[i].x + "," + point[i].y + ")");}Comparator<Point> cmp = new MyComparatorX();Arrays.sort(point, cmp);closestUtil(point, point.length);break;}} while (true);System.out.println("最近点对是(" + point[0].x + "," + point[0].y + ")和" + "(" + point[1].x + "," + point[1].y + ")");System.out.println("距离为" + mindis);}// 比教两数最小public static double min(double x, double y) {return (x < y) ? x : y;}// 求两点之间距离public static double dist(Point p1, Point p2) {return Math.sqrt(Math.pow(p1.x - p2.x, 2) + Math.pow(p1.y - p2.y, 2));}// 暴力方法找到最小的点对public static double minpair(Point P[], int n) {double min = Double.POSITIVE_INFINITY;for (int i = 0; i < n; ++i)for (int j = i + 1; j < n; ++j)if (dist(P[i], P[j]) < min) {min = dist(P[i], P[j]);if (min < mindis) {mindis = min;point[0] = P[i];point[1] = P[j];}}return min;}// 找出strip[] 数组中的最小点对public static double stripClosest(Point strip[], int size, double d) { double min = d;Comparator<Point> cmp = new MyComparatorY();Arrays.sort(strip, cmp);for (int i = 0; i < size; ++i)for (int j = i + 1; j < size && (strip[j].y - strip[i].y) < min; ++j)if (dist(strip[i], strip[j]) < min) {min = dist(strip[i], strip[j]);if (min < mindis) {mindis = min;point[0] = strip[i];point[1] = strip[j];}}return min;}// 递归的计算最小点对public static double closestUtil(Point P[], int n) { // 如果点较少，用暴力解决if (n <= 3)return minpair(P, n);// 找到中间点int mid = n / 2;Point midPoint = P[mid];// 分成两个部分，分别计算Point[] P1 = new Point[mid];Point[] P2 = new Point[n - mid];for (int i = 0; i < mid; i++) {P1[i] = P[i];}for (int i = mid, j = 0; i < n; i++) {P2[j] = P[i];j++;}double dl = closestUtil(P1, mid);double dr = closestUtil(P2, n - mid);double d = min(dl, dr);// 所有距离垂直线距离在d以内的点Point[] strip = new Point[n];int j = 0;for (int i = 0; i < n; i++)if (Math.abs(P[i].x - midPoint.x) < d) {strip[j] = P[i];j++;}Point[] strips = new Point[j];for (int i = 0; i < j; i++) {strips[i] = strip[i];}// 找出strip 数组中的最小点对return min(d, stripClosest(strips, j, d));}}（4）数据输入和结果输出（运行结果截屏显示）（5）算法复杂性分析在上面分成两部分后，需要找到 strip[] 数组，需要的时间为O(n)，排序strip[]的时间为 O(nLogn)，在strip[] 在找到最小点对的时间为 O(n) T(n) = O(1)(n<=3)2T(n/2) + O(n) + O(nLogn) + O(n)=2T(n/2) + O(nLogn)=O(n (Logn)^2)（n>3）四、实验心得与小结通过这次试验，对最近点对问题有了深入的了解，在编写算法中知道了分治法和鸽舍原理。
当在面对一个复杂的问题时，我们就可以利用分治法把复杂问题分解成一个个简单问题，再去解决。