未加星标

Python分治法定义与应用实例详解

字体大小 | |
[开发(python) 所属分类 开发(python) | 发布者 店小二05 | 时间 | 作者 红领巾 ] 0人收藏点击收藏

本文实例讲述了python分治法定义与应用。分享给大家供大家参考,具体如下:

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。

第一条特征是绝大多数问题都可以满足的,因为问题的计算复杂性一般是随着问题规模的增加而增加;

第二条特征是应用分治法的前提它也是大多数问题可以满足的,此特征反映了递归思想的应用;

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。

第四条特征涉及到分治法的效率,如果各子问题是不独立的则分治法要做许多不必要的工作,重复地解公共的子问题,此时虽然可用分治法,但一般用动态规划法较好。

题目1. 给定一个顺序表,编写一个求出其最大值的分治算法。

# 基本子算法(子问题规模小于等于 2 时)
def get_max(max_list):
return max(max_list) # 这里偷个懒!
# 分治法 版本一
def solve(init_list):
n = len(init_list)
if n <= 2: # 若问题规模小于等于 2,最终解决
return get_max(init_list)
# 分解(子问题规模为 2,最后一个可能为 1)
temp_list=(init_list[i:i+2] for i in range(0, n, 2))
# 分治,合并
max_list = list(map(get_max, temp_list))
# 递归(树)
solve(max_list)
# 分治法 版本二
def solve2(init_list):
n = len(init_list)
if n <= 2: # 若问题规模小于等于 2,解决
return get_max(init_list)
# 分解(子问题规模为 n/2)
left_list, right_list = init_list[:n//2], init_list[n//2:]
# 递归(树),分治
left_max, right_max = solve2(left_list), solve2(right_list)
# 合并
return get_max([left_max, right_max])
if __name__ == "__main__":
# 测试数据
test_list = [12,2,23,45,67,3,2,4,45,63,24,23]
# 求最大值
print(solve(test_list)) # 67
print(solve2(test_list)) # 67

题目2. 给定一个顺序表,判断某个元素是否在其中。

# 子问题算法(子问题规模为 1)
def is_in_list(init_list, el):
return [False, True][init_list[0] == el]
# 分治法
def solve(init_list, el):
n = len(init_list)
if n == 1: # 若问题规模等于 1,直接解决
return is_in_list(init_list, el)
# 分解(子问题规模为 n/2)
left_list, right_list = init_list[:n//2], init_list[n//2:]
# 递归(树),分治,合并
res = solve(left_list, el) or solve(right_list, el)
return res
if __name__ == "__main__":
# 测试数据
test_list = [12,2,23,45,67,3,2,4,45,63,24,23]
# 查找
print(solve2(test_list, 45)) # True
print(solve2(test_list, 5)) # False

题目3. 找出一组序列中的第 k 小的元素,要求线性时间

# 划分(基于主元 pivot),注意:非就地划分
def partition(seq):
pi = seq[0] # 挑选主元
lo = [x for x in seq[1:] if x <= pi] # 所有小的元素
hi = [x for x in seq[1:] if x > pi] # 所有大的元素
return lo, pi, hi
# 查找第 k 小的元素
def select(seq, k):
# 分解
lo, pi, hi = partition(seq)
m = len(lo)
if m == k:
return pi # 解决!
elif m < k:
return select(hi, k-m-1) # 递归(树),分治
else:
return select(lo, k) # 递归(树),分治
if __name__ == '__main__':
seq = [3, 4, 1, 6, 3, 7, 9, 13, 93, 0, 100, 1, 2, 2, 3, 3, 2]
print(select(seq, 3)) #2
print(select(seq, 5)) #2

题目4. 快速排序

# 划分(基于主元 pivot),注意:非就地划分
def partition(seq):
pi = seq[0] # 挑选主元
lo = [x for x in seq[1:] if x <= pi] # 所有小的元素
hi = [x for x in seq[1:] if x > pi] # 所有大的元素
return lo, pi, hi
# 快速排序
def quicksort(seq):
# 若问题规模小于等于1,解决
if len(seq) <= 1: return seq
# 分解
lo, pi, hi = partition(seq)
# 递归(树),分治,合并
return quicksort(lo) + [pi] + quicksort(hi)
seq = [7, 5, 0, 6, 3, 4, 1, 9, 8, 2]
print(quicksort(seq)) #[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

题目5. 合并排序(二分排序)

# 合并排序
def mergesort(seq):
# 分解(基于中点)
mid = len(seq) // 2
left_seq, right_seq = seq[:mid], seq[mid:]
# 递归(树),分治
if len(left_seq) > 1: left_seq = mergesort(left_seq)
if len(right_seq) > 1: right_seq = mergesort(right_seq)
# 合并
res = []
while left_seq and right_seq: # 只要两者皆非空
if left_seq[-1] >= right_seq[-1]: # 两者尾部较大者,弹出
res.append(left_seq.pop())
else:
res.append(right_seq.pop())
res.reverse() # 倒序
return (left_seq or right_seq) + res # 前面加上剩下的非空的seq
seq = [7, 5, 0, 6, 3, 4, 1, 9, 8, 2]
print(mergesort(seq)) #[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

题目6. 汉诺塔

# 汉诺塔
def move(n, a, buffer, c):
if n == 1:
print(a,"->",c)
#return
else:
# 递归(线性)
move(n-1, a, c, buffer)
move(1, a, buffer, c) # 或者:print(a,"->",c)
move(n-1, buffer, a, c)
move(3, "a", "b", "c")

问题7. 爬楼梯

假设你正在爬楼梯,需要n步你才能到达顶部。但每次你只能爬一步或者两步,你能有多少种不同的方法爬到楼顶部?

# 爬楼梯
def climb(n=7):
if n <= 2:
return n
return climb(n-1) + climb(n-2) # 等价于斐波那契数列!
print(climb(5)) # 8
print(climb(7)) # 21

问题8. 给定平面上n个点,找其中的一对点,使得在n个点的所有点对中,该点对的距离最小。(最近点对问题)

from math import sqrt
# 蛮力法
def solve(points):
n = len(points)
min_d = float("inf") # 最小距离:无穷大
min_ps = None # 最近点对
for i in range(n-1):
for j in range(i+1, n):
d = sqrt((points[i][0] - points[j][0])**2 + (points[i][1] - points[j][1])**2) # 两点距离
if d < min_d:
min_d = d # 修改最小距离
min_ps = [points[i], points[j]] # 保存最近点对
return min_ps
# 最接近点对(报错!)
def nearest_dot(seq):
# 注意:seq事先已对x坐标排序
n = len(seq)
if n <= 2: return seq # 若问题规模等于 2,直接解决
# 分解(子问题规模n/2)
left, right = seq[0:n//2], seq[n//2:]
print(left, right)
mid_x = (left[-1][0] + right[0][0])/2.0
# 递归,分治
lmin = (left, nearest_dot(left))[len(left) > 2] # 左侧最近点对
rmin = (right, nearest_dot(right))[len(right) > 2] # 右侧最近点对
# 合并
dis_l = (float("inf"), get_distance(lmin))[len(lmin) > 1]
dis_r = (float("inf"), get_distance(rmin))[len(rmin) > 1]
d = min(dis_l, dis_r) # 最近点对距离
# 处理中线附近的带状区域(近似蛮力)
left = list(filter(lambda p:mid_x - p[0] <= d, left)) #中间线左侧的距离<=d的点
right = list(filter(lambda p:p[0] - mid_x <= d, right)) #中间线右侧的距离<=d的点
mid_min = []
for p in left:
for q in right:
if abs(p[0]-q[0])<=d and abs(p[1]-q[1]) <= d: #如果右侧部分点在p点的(d,2d)之间
td = get_distance((p,q))
if td <= d:
mid_min = [p,q] # 记录p,q点对
d = td # 修改最小距离
if mid_min:
return mid_min
elif dis_l>dis_r:
return rmin
else:
return lmin
# 两点距离
def get_distance(min):
return sqrt((min[0][0]-min[1][0])**2 + (min[0][1]-min[1][1])**2)
def divide_conquer(seq):
seq.sort(key=lambda x:x[0])
res = nearest_dot(seq)
return res
# 测试
seq=[(0,1),(3,2),(4,3),(5,1),(1,2),(2,1),(6,2),(7,2),(8,3),(4,5),(9,0),(6,4)]
print(solve(seq)) # [(6, 2), (7, 2)]
#print(divide_conquer(seq)) # [(6, 2), (7, 2)]

问题9. 从数组 seq 中找出和为 s 的数值组合,有多少种可能

'''
求一个算法:N个数,用其中M个任意组合相加等于一个已知数X。得出这M个数是哪些数。
比如:
seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]
s = 14 # 和
全部可能的数字组合有:
5+9, 6+8
1+4+9, 1+5+8, 1+6+7, 2+3+9, 2+4+8, 2+5+7, 3+4+7, 3+5+6
1+2+5+6, 1+3+4+6, 1+2+4+7, 1+2+3+8, 2+3+4+5
共计15种
'''
# 版本一(纯计数)
def find(seq, s):
n = len(seq)
if n==1:
return [0, 1][seq[0]==s]
if seq[0]==s:
return 1 + find(seq[1:], s)
else:
return find(seq[1:], s-seq[0]) + find(seq[1:], s)
# 测试
seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]
s = 14 # 和
print(find(seq, s)) # 15
seq = [11,23,6,31,8,9,15,20,24,14]
s = 40 # 和
print(find(seq, s)) #8
# 版本二 (打印)
def find2(seq, s, tmp=''):
if len(seq)==0: # 终止条件
return
if seq[0] == s: # 找到一种,则
print(tmp + str(seq[0])) # 打印
find2(seq[1:], s, tmp) # 尾递归 ---不含 seq[0] 的情况
find2(seq[1:], s-seq[0], str(seq[0]) + '+' + tmp) # 尾递归 ---含 seq[0] 的情况
# 测试
seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]
s = 14 # 和
find2(seq, s)
print()
seq = [11,23,6,31,8,9,15,20,24,14]
s = 40 # 和
find2(seq, s)

更多关于Python相关内容可查看本站专题:《Python数据结构与算法教程》、《Python Socket编程技巧总结》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》、《Python入门与进阶经典教程》及《Python文件与目录操作技巧汇总》

希望本文所述对大家Python程序设计有所帮助。

本文开发(python)相关术语:python基础教程 python多线程 web开发工程师 软件开发工程师 软件开发流程

分页:12
转载请注明
本文标题:Python分治法定义与应用实例详解
本站链接:http://www.codesec.net/view/561197.html
分享请点击:


1.凡CodeSecTeam转载的文章,均出自其它媒体或其他官网介绍,目的在于传递更多的信息,并不代表本站赞同其观点和其真实性负责;
2.转载的文章仅代表原创作者观点,与本站无关。其原创性以及文中陈述文字和内容未经本站证实,本站对该文以及其中全部或者部分内容、文字的真实性、完整性、及时性,不作出任何保证或承若;
3.如本站转载稿涉及版权等问题,请作者及时联系本站,我们会及时处理。
登录后可拥有收藏文章、关注作者等权限...
技术大类 技术大类 | 开发(python) | 评论(0) | 阅读(47)