第4章 分治法(修改)
Base case: n = 1. Inductive hypothesis: T(n) = n log2 n.
Goal: show that T(2n) = 2n log2 (2n).
第4章 分治法
无论人们在祈祷什么，他们总是在祈祷 一个奇迹．每一个祈祷都可以简化为： 伟大的上帝啊，请让两个二相加不等于 四吧． －－屠格涅夫
思考
假如你正在为一投资公司咨询。他们正在做 模拟，对一给定的股票连续观察n天，记为 i=1,2,…,n;对每天i,该股票每股的价格p(i)。假 设在这个时间区间内，在某一天他们想买 1000（第i天）股而在另一天（第j天）卖出所 有这些股。为得到最多收益，他们应什么时 候买什么时候卖？请设计算法在O(nlogn)时 间内找到正确的i与j．
（1）划分：既然是分治，当然需要把规模为n的原问题划 分为 k 个规模较小的子问题，并尽量使这 k 个子问题的规模 大致相同。 （2）求解子问题：各子问题的解法与原问题的解法通常 是相同的，可以用递归的方法求解各个子问题，有时递归 处理也可以用循环来实现。 （3）合并：把各个子问题的解合并起来，合并的代价因 情况不同有很大差异，分治算法的有效性很大程度上依赖 于合并的实现。
在世界刚被创建的时候有一座钻石宝塔（塔 A）， 其上有64个金碟。所有碟子按从大到小的次序从 塔底堆放至塔顶。紧挨着这座塔有另外两个钻石 宝塔（塔 B 和塔 C ）。从世界创始之日起，婆罗 门的牧师们就一直在试图把塔 A上的碟子移动到 塔 C 上去，其间借助于塔 B 的帮助。每次只能移 动一个碟子，任何时候都不能把一个碟子放在比 它小的碟子上面。当牧师们完成任务时，世界末 日也就到了。
汉诺塔问题可以通过以下三个步骤实现： （1）将塔A上的n-1个碟子借助塔C先移到塔B上。 （2）把塔A上剩下的一个碟子移到塔C上。 （3）将n-1个碟子从塔B借助塔A移到塔C上。 显然，这是一个递归求解的过程
算法4.2——汉诺塔算法
1 void Hanoi(int n, char A, char B, char C) //第一列为语句行号 2 { 3 if (n==1) Move(A, C); //Move是一个抽象操作，表示将碟子从A移到C上 4 else { 5 Hanoi(n-1, A, C, B); 6 Move(A, C); 7 Hanoi(n-1, B, A, C); 8 } 9 }
4.3 排序问题中的分治法
4.3.1 4.3.2 归并排序 快速排序
Sorting
Sorting. Given n elements, rearrange in ascending order.
Obvious sorting applications. Non-obvious sorting applications. List files in a directory. Data compression. Organize an MP3 library. Computer graphics. List names in a phone book. Interval scheduling. Display Google PageRank results. Computational biology. Minimum spanning tree. Problems become easier once sorted. Supply chain management. Find the median. Simulate a system of particles. Find the closest pair. Book recommendations on Binary search in a database. Amazon. Identify statistical outliers. Load balancing on a parallel Find duplicates in a mailing list. computer. ...
例：计算an，应用分治技术得到如下计算方法：
a
分析时 间性能
n
= n a
a 2 ´ a n
34
2
如果 n = 1 如果 n > 1
32 31 31 3 9
32
分解问题 31 求解每个子问题 3
31
3 9
3
合并子问题的解
81
4.2 递 归
4.2.1 递归的定义
4.2.2 递归函数的运行轨迹
2T (n /2) n T (n /2) n /2 T (n / 4) n/4 T (n / n) n/n log 2 n
1 1 1 1 1 1
= = = =
assumes n is a power of 2
log2 n
Proof by Induction
Claim. If T(n) satisfies this recurrence, then T(n) = n log2 n. Pf. (by induction on n)
2. 独立子问题：各子问题之间相互独立，这涉及到分治法的 效率，如果各子问题不是独立的，则分治法需要重复地解公 共的子问题。
分治法的典型情况
原问题 的规模是n
子问题1 的规模是n/2
子问题2 的规模是n/2
子问题1的解
子问题2的解
原问题的解
4.1.2 分治法的求解过程
一般来说，分治法的求解过程由以下三个阶段组成：
Mergesort
Mergesort.
Divide array into two halves. Recursively sort each half.
A A L L G G O O R R I I T T H H M M S S divide sort merge O(1)
Jon von Neumann (1945)
Claim. If T(n) satisfies this recurrence, then T(n) = n log2 n. Pf. For n > 1:
T (n) = n
0 if n = 1 T(n) = 2T (n /2) n otherwise sort ing both halves merging
4.2.3 递归函数的内部执行过程
4.2.1 递归的定义
递归（Recursion）就是子程序（或函数）直 接调用自己或通过一系列调用语句间接调用自己， 是一种描述问题和解决问题的基本方法。 递归有两个基本要素： ⑴ 边界条件：确定递归到何时终止； ⑵ 递归模式：大问题是如何分解为小问题的。
递归函数的经典问题——汉诺塔问题
4.2.2 递归函数的运行轨迹
在递归函数中，调用函数和被调用函数是同一 个函数，需要注意的是递归函数的调用层次，如果 把调用递归函数的主函数称为第 0 层，进入函数后， 首次递归调用自身称为第 1层调用；从第i层递归调 用自身称为第 i+1层。反之，退出第i+1层调用应该 返回第 i 层。采用图示方法描述递归函数的运行轨 迹，从中可较直观地了解到各调用层次及其执行情 况。
r1 … … rn/2
rn/2＋1 … … rn
划分
r‘1<… …<r’n/2 r’n/2＋1<… …<r’n r''1<……<r''n/2<r''n/2＋1 <……<r ''n
递归处理
合并解
算法4.3——归并排序
void MergeSort(int r[ ], int r1[ ], int s, int t) { if (s= =t) r1[s]=r[s]; else { m=(s+t)/2; Mergesort(r, r1, s, m); //归并排序前半个子序列 Mergesort(r, r1, m+1, t); //归并排序后半个子序列 Merge(r1, r, s, m, t); //合并两个已排序的子序列 } }
0 if n = 1 T(n) T n /2 T n /2 n otherwise solve right half merging solve left half
Proof by Recursion Tree
0 if n = 1 T(n) = 2T (n /2) n otherwise sort ing both halves merging
的原问题划分成k个较小规模的子问题，对这k个子问题分别 求解。如果子问题的规模仍然不够小，则再将每个子问题划
分为k个规模更小的子问题，如此分解下去，直到问题规模足
够小，很容易求出其解为止，再将子问题的解合并为一个更 大规模的问题的解，自底向上逐步求出原问题的解。
启发式规则：
1. 平衡子问题：最好使子问题的规模大致相同。也就是将一 个问题划分成大小相等的k个子问题（通常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。
第4章 分治法
4.1 概 述
4.2 递 归 4.3 排序问题中的分治法 4.4 组合问题中的分治法 4.5 几何问题中的分治法
4.1 概 述
4.1.1 分治法的设计思想 4.1.2 分治法的求解过程
4.1.1 分治法的设计思想
将一个难以直接解决的大问题，划分成一些规模较小的
子问题，以便各个击破，分而治之。更一般地说，将要求解
Merge two halves to make sorted whole.
A
A
G
G
L
H
O
I
R
L M
分治法解决问题的步骤
分治法解决问题的步骤一、基础概念类题目（1 - 5题）题目1：简述分治法解决问题的基本步骤。
解析：分治法解决问题主要有三个步骤：1. 分解（Divide）：将原问题分解为若干个规模较小、相互独立且与原问题形式相同的子问题。
例如，对于排序问题，可将一个大的数组分成两个较小的子数组。
2. 求解（Conquer）：递归地求解这些子问题。
如果子问题规模足够小，则直接求解（通常是一些简单的基础情况）。
对于小到只有一个元素的子数组，它本身就是有序的。
3. 合并（Combine）：将各个子问题的解合并为原问题的解。
在排序中，将两个已排序的子数组合并成一个大的有序数组。
题目2：在分治法中，分解原问题时需要遵循哪些原则？解析：1. 子问题规模更小：分解后的子问题规模要比原问题小，这样才能逐步简化问题。
例如在归并排序中，不断将数组对半分，子数组的长度不断减小。
2. 子问题相互独立：子问题之间应该尽量没有相互依赖关系。
以矩阵乘法的分治算法为例，划分后的子矩阵乘法之间相互独立进行计算。
3. 子问题与原问题形式相同：方便递归求解。
如二分查找中，每次查找的子区间仍然是一个有序区间，和原始的有序区间查找问题形式相同。
题目3：分治法中的“求解”步骤，如果子问题规模小到什么程度可以直接求解？解析：当子问题规模小到可以用简单的、直接的方法（如常量时间或线性时间复杂度的方法）解决时，就可以直接求解。
例如，在求数组中的最大最小值问题中，当子数组只有一个元素时，这个元素既是最大值也是最小值，可以直接得出结果。
题目4：分治法的“合并”步骤有什么重要性？解析：1. 构建完整解：它将各个子问题的解组合起来形成原问题的解。
例如在归并排序中，单独的两个子数组排序好后，只有通过合并操作才能得到整个数组的有序排列。
2. 保证算法正确性：如果合并步骤不正确，即使子问题求解正确，也无法得到原问题的正确答案。
例如在分治算法计算斐波那契数列时，合并不同子问题的结果来得到正确的斐波那契数是很关键的。
第四章 分治法
//将各子问题的解合并为原问题的
}
提问：原问题应该分为多少个子问题才较适宜？ 各个子问题的规模应该怎样才为适当？
k=？
1. 平衡子问题：最好使子问题的规模大致相同。也 就是将一个问题划分成大小相等的k个子问题（通常 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. 独立子问题：各子问题之间相互独立，这涉及到 分治法的效率，如果各子问题不是独立的，则分治 法需要重复地解公共的子问题。
许多问题取 k=2，称为二分法，这种使 子问题规模大致相等的做法是出自一种平衡 子问题的思想。如图
P(n) P(n/2) P(n/4) …… P(n/4) P(n/4) …… P(n/2) P(n/4)
ቤተ መጻሕፍቲ ባይዱ
4.2 求解排序问题
4.2.1 快速排序
算法的分治策略： 均≤ri
[ r1 … … ri-1 ] ri [ ri+1 … … rn ] 轴值 位于最终位置 均≥ri
18
12
12 4 4 4 4
15
15 15 12 9 9
3
3 3 3 3 3
9
9 9 9 12 12
4
4 12 15 15 15
16
16 16 16 16 16
18
18 18 18 18 18
第二步 第三步
第四步 第五步 第六步
4.3 求解查找问题
引例
一个装有16枚硬币的袋子，16枚硬币中有1个是伪造 的，并且那个伪造的硬币比真的硬币要轻一些。你的任 务是找出这枚伪造的硬币。 为了帮助你完成这一任务，将提供一台可用来比较两组
一次划分： int Partition(int r[ ], int first, int end) { i=first; j=end; //初始化 while (i<j) { while (i<j && r[i]<= r[j]) j--； //右侧扫描 if (i<j) { r[i]=r[j]; //将较小记录交换到前面 i++; } while (i<j && r[i]<= r[j]) i++； //左侧扫描 if (i<j) { r[j]=r[i]; //将较大记录交换到后面 j--; } } retutn i; } // i为轴值记录的最终位置
【算法】分治法四步走
【算法】分治法四步⾛ 1. 明确分解策略2. 寻找最⼩问题3. 划分⼦类问题ⅡⅡⅡ你看看，上⾯的原问题与⼦类问题是不是⼀样的结构，相似！最简单的例⼦：树的先序遍历，当前问题：根，⼦类问题：根左右（根节点、左⼦树、右⼦树），访问根节点（因为只有当前节点根节点能够给我们操作，其他的左右⼦树都是起到划分的作⽤）⽐如说，快速排序的当前问题就是将⼀个元素摆到正确位置，汉诺塔的当前问题就是将⼀个最下⾯的圆盘摆到正确位置。
4. 解决当前问题在解决当前问题的时候，我们可能会需要结合之前划分⼦类问题的结果返回值（不⼀定），也可能不需要，作为单机问题去解决。
例如，我们在上⼀步中划分出了左右⼦树，这⼀步中我们可以将根节点与左右⼦树的根节点相连，形成⼀个完整的树。
折半分解ⅡⅡ相当于⼆分算法是串⾏的⼀种迭代算法，⽽分治算法是⼀种并⾏的递归算法。
折半分解是我们在分治法中最常⽤的，所以这⾥提出来特别介绍。
此算法常⽤于递归操作树，划分树的左右⼦树。
1. 明确分解策略：折半分解，左右边界(left, right)，分解线mid = left + (right - left) / 22. 寻找最⼩问题：left > right 或者left >= right3. 划分⼦类问题：f(left, mid - 1)和f(mid + 1, right)4. 解决当前问题：root.left = f(left, mid - 1)和root.right = f(mid + 1, right)⼤家可以看看这道题，有序，如果使⽤⼆分算法，我们不能确定⾯对分叉是应该往左⾛，还是往右⾛，所以我们得使⽤分治算法，左右都⾛⼀遍。
四步⾛实例1. 明确分解策略第⼀步，明确怎么把⼤的问题⼀步步分解为最终的⼩问题；并明确这个函数的功能是什么，它要完成什么样的⼀件事。
分解策略：⼤问题 = n * ⼩问题。
如果⼤问题是⼀个数组，那么⼩问题就是数组中的⼀个元素。
分治算法讲解
分治算法讲解分治算法一：基本概念（分而治之）分治就是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。
比如：二分查找，归并排序，快速排序，树的遍历等等任何一个可以用计算机求解的问题所需的计算时间都与其规模有关。
问题的规模越小，越容易直接求解，解题所需的计算时间也越少。
例如，对于n个元素的排序问题，当n=1时，不需任何计算。
n=2时，只要作一次比较即可排好序。
n=3时只要作3次比较即可，…。
而当n 较大时，问题就不那么容易处理了。
要想直接解决一个规模较大的问题，有时是相当困难的。
二：基本思想分治设计思想：将一个大的问题，分解成一个个小的，相同类型的问题，然后逐个击破各个小问题，最后将小问题逐步合并，得到最终的解。
（可能会用到递归，大问题里包含小问题，找到规律然后解决）分治基本策略：对于一个规模为n的问题，若该问题可以容易地解决（比如说规模n 较小）则直接解决，否则将其分解为k个规模较小的子问题，这些子问题互相独立且与原问题形式相同，递归地解这些子问题，然后将各子问题的解合并得到原问题的解。
三：分治使用情况1) 该问题的规模缩小到一定的程度就可以容易地解决2) 该问题可以分解为相同类型的小问题（前提）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；（关键）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。
第三条特征是关键，能否利用分治法完全取决于问题是否具有第三条特征，如果具备了第一条和第二条特征，而不具备第三条特征，则可以考虑用贪心法或动态规划法。
四：基本步骤（1）划分：把问题的实例划分成子问题（2）求解：若是子问题比较简单，就直接解决，否则递归求解子问题（3）合并：合并子问题的解得到原问题的解课前引导：一：分段函数例如：高中数学中的分段函数也是类似分治思想的体现，如看图求y关于x的表达式。
分治算法
65 97
13 76
38 49 65 97
13 27 76
13 27 38 49 65 76 97
黑盒划分典型问题—合并排序
合并排序算法改进
从分治过程入手，容易消除mergeSort算法中的递归 调用
49 38 65 97 76 13 27
38 49
65 97
13 76
27
38 49 65 97
题的解，自底向上逐步求出原来问题的解。
T(n)
=
n
递归的概念
由分治法产生的子问题往往是原问题的较小模式，这 就为使用递归技术提供了方便。在这种情况下，反复 应用分治手段，可以使子问题与原问题类型一致而其 规模却不断缩小，最终使子问题缩小到很容易直接求 出其解。这自然导致递归过程的产生。
直接或间接地调用自身的算法称为递归算法。用函数 自身给出定义的函数称为递归函数。
黑盒划分典型问题—合并排序
【例5】合并排序
任务描述：任意给定一包含n个整数的集合，把n个整数按升序排列。 输入：每测试用例包括两行，第一行输入整数个数，第二行输入n个整 数，数与数之间用空格隔开。最后一行包含-1，表示输入结束。 输出：每组测试数据的结果输出占一行，输出按升序排列的n个整数。 样例输入：
13 27 76
13 27 38 49 65 76 97
黑盒划分典型问题—合并排序
黑盒划分典型问题—合并排序
合并排序算法改进
从分治过程入手，容易消除mergeSort算法中的递归调用 自然合并排序
49 38 65 97 76 13 27
49
38 65 97
76
13 27
38 49 65 97
黑盒划分典型问题—逆序对问题
分治算法知识点总结
分治算法知识点总结一、基本概念分治算法是一种递归的算法，其基本思想就是将原问题分解成多个相互独立的子问题，然后分别解决这些子问题，最后将子问题的解合并得到原问题的解。
分治算法的核心思想可以用一句话概括：分而治之，分即是将原问题分解成若干个规模较小的子问题，治即是解决这些子问题，然后将子问题的解合并起来得到原问题的解。
分治算法通常包括三个步骤：（1）分解：将原问题分解成若干个规模较小的子问题；（2）解决：递归地解决这些子问题；（3）合并：将子问题的解合并起来得到原问题的解。
分治算法的典型特征包括递归和合并。
递归指的是将原问题分解成若干个规模较小的子问题，然后递归地解决这些子问题；合并指的是将子问题的解合并得到原问题的解。
通常来说，分治算法的递归实现方式很容易编写，但有时可能会面临大量的重复计算，因此需要合并操作来避免这种情况。
二、原理分治算法的原理可以通过一个简单的例子来说明。
我们以计算数组中的最大值为例，具体的步骤如下：（1）分解：将数组分解成两个规模相等的子数组；（2）解决：递归地在这两个子数组中分别找到最大值；（3）合并：比较这两个子数组的最大值，得到原数组的最大值。
从这个例子可以看出，分治算法将原问题分解成两个子问题：分别在左边子数组和右边子数组中找到最大值，然后将这两个子问题的解合并起来得到原数组的最大值。
这种将问题分解成若干个规模较小的子问题，然后合并子问题的解得到原问题的解的方法正是分治算法的核心原理。
分治算法的优势在于它可以将原问题分解成多个规模较小的子问题，然后并行地解决这些子问题，最后合并子问题的解得到原问题的解。
这种并行的设计思路使得分治算法非常适合于并行计算，能够有效地提高计算效率。
三、应用分治算法在计算机科学领域有着广泛的应用，包括排序、搜索、图论、动态规划等多个方面。
下面我们将以排序算法和搜索算法为例，来介绍分治算法在实际应用中的具体情况。
1. 排序算法排序算法是计算机科学领域中一个重要的问题，分治算法在排序算法中有着广泛的应用。
算法-第4章-分治法
折半查找举例：
位置：0 1 2 3 4 5 6 7 8 9 10 11 12 值： 3,14,27,31,39,42,55,70,74,81,85,93,98 K=70 ↑ ↑ ↑ 迭代1 l=0 m=6 r=12 迭代2 l m=9 r 迭代3 l r 结果 m= (7+8)/2=7
树-"a" 树-"+" 输出 -"+" 遍历 L-"a" 遍历 R-"*" 输出 -"a" 遍历 L-"^" 遍历 R-"^" 树-"*" 输出 -"*" 遍历 L-"b" 遍历 R-"-" 树-"e" 输出 -"e" 遍历 L-"^" 遍历 R-"^" 树-"f" 输出 -"f" 遍历 L-"^" 遍历 R-"^" 树-"b" 输出 -"b" 遍历 L-"^" 遍历 R-"^" 树-"-" 输出 -" -" 遍历 L-"c" 遍历 R-"d" 树-"c" 输出 -"c" 遍历 L-"^" 遍历 R-"^" 树-"d" 输出 -"d" 遍历 L-"^" 遍历 R-"^"
二路归并
注：归并 [2，3，8，9] 与[1，4，5，7] 的过程： 从两个序列的头部开始归并：2与1比较，1被移到结果序列；4 与2比较，2被移入结果序列；4与3比较，3被放入结果序列；4和8 比较，4被放入结果序列, 8和7比较...，
4算法第四章分治法
变型算法BINSRCH1
将BINSRCH的case语句用if语句来替换。
procedure BINSRCH(A, procedure n, x, j) BINSRCH1(A, n, x, j) integer low, high, mid, integer j, n; low, high, mid, j, n; low←1; high←n low←1; high←n+1 //high总比可能的取值大1 while low≤high do while low<high-1 do ← mid← mid (low+high)/2 (low+high)/2 case if x<A(mid) //在循环中只比较一次 :x<A(mid): high←mid-1 then high←mid :x>A(mid): low←mid+1 else low←mid //x>=A(mid) : else: j←mid; return; endif 最好、最坏和平均 endcase repeat repeat if x=A(low) then j←low //x出现 情况时间对于成功 j←0 else j←0 //x不出现 和不成功的检索都 end BINSRCH end BINSRCH1
//取中间值 //寻找前一半 //寻找后一半 //检索成功, 结束
//检索失败
二分检索实例
设在A(1:9)中顺序放了以下9个元素：
A[1] A[2] A[3] A[4] A[5] A[6] A[7] A[8] A[9]
-15 -6 检索x=9
0
7
9
①
23
low 1
54
分治法-PPT精选
以比较为基础的有序检索问题最坏情况的时间下界
定理2.3 设A(1:n)含有 n(n≥1)个不同的元素，排序为A(1)< A(2) < …< A(n)。又设用以比较为基础的算法去判断是 否 xA(:1n) ，则这样的任何算法在最坏情况下所需的最小 比较次数FIND(n)有：
最坏情况下的成功检索的计算时间为 Θ(logn)
2019/10/24
3）平均情况下的成功检索的计算时间分析
利用外部结点和内部结点到根距离和之间的关系进行推导： 记，
由根到所有内结点的距离之和称为内部路径长度，记为I； 由根到所有外部结点的距离之和称为外部路径长度，记为E。
则有，E=I+2n
return(COMBINE(DANDC(p,m),
（SMALL(p,q)不为真时）；
endif
DANDC(m+1,q)))
COMBINE(x,y)：子结果的合并 函数，将区间[p,m]和[m+1,q]上
的子问题的解合并成上级区间
end DANDC
[p,q]上的“较完整”的解。当
p=1,q=n时，就得到整个问题的
解（递I1 归、过I3上程的）求解可再次采用分治方法划分后求
2019/10/24
2. 二分检索算法
算法2.3 二分检索 procedure BINSRCH(A,n,x,j)
integer low,high,mid,j,n; low←1; high←n; while low≤high do
mid ← (lowhigh)/2
方法1：比较硬币1和2的重量，有一个轻则找到； 否则比较硬币3和4，依次比较下去，直到找到。最 多8次比较。 方法2：利用分治法。16个硬币分为两组，每组8个， 比较重量，伪币在轻的一组。将轻的一组再分为两 组，每组4个……继续划分下去，依次每组2个，每 组1个，此时找到。
算法第4章-第2讲-分治法
快速排序
总结词
快速排序是一种高效的排序算法，它也是一种采用分治法的算法。它将待排序序列分成 两个子序列，一个子序列包含比基准元素小的元素，另一个子序列包含比基准元素大的
元素，然后对这两个子序列进行递归排序。
详细描述
快速排序的主要思路是选择一个基准元素，将数组分成两部分，一部分包含比基准元素 小的元素，另一部分包含比基准元素大的元素，然后递归地对这两部分进行排序。快速
合并：将子问题的解合并为原问题的解
合并策略
将各个子问题的解合并起来，形 成原问题的解。这一步通常涉及 到对子问题的解进行汇总、排序
或整合。
适用场景
适用于子问题的解之间存在某种逻 辑关系或依赖关系，需要整合才能 得到原问题的完整解的情况。
注意事项
在合并子问题的解时，应注意保持 原问题的完整性、准确性和一致性， 避免出现信息丢失或错误。
注意事项
子问题的划分应合理，避免子问 题之间存在过多的重叠或交叉。
解决：独立解决子问题
01
02
03
解决方式
对每个子问题分别进行求 解，可以采用递归、迭代 或其他算法。
适用场景
适用于子问题之间相互独 立，且每个子问题规模较 小，便于单独求解的情况。
注意事项
在解决子问题的过程中， 应注意避免重复计算和存 储子问题的解，以提高效 率。
分治法的原理
分治法的原理基于分治策略，即将一个复杂的问题分解为若干个子问题，并递归地 解决这些子问题。
子问题的解是原问题解的组成部分，通过合并子问题的解可以得到原问题的解。
分治法的关键在于如何分解问题，使得子问题与原问题具有相似的结构，同时子问 题之间相互独立，易于解决。
分治法的应用场景