{
  "id": "divide-and-conquer",
  "title": "分治法",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "一种算法设计范式，通过将问题分解为较小的子问题并合并其解来求解原问题。",
  "category": "computer-science",
  "subcategory": "algorithms-theory",
  "type": "concept",
  "aliases": [
    "分治算法",
    "分治策略"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/divide-and-conquer/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/divide-and-conquer/",
      "json": "https://aiwiki.page/en/divide-and-conquer.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "分治法是计算机科学中的一种算法设计范式：将问题拆分为规模更小的实例，分别求解，再将结果组合成原问题的解。这一分解过程通常通过递归反复进行，直到剩余实例足够小，可以直接求解。其效率取决于子问题的构造方式，以及分解与合并所需的工作量。经典应用包括排序、查找和矩阵乘法。(introcs.cs.princeton.edu)"
    },
    {
      "heading": "结构与正确性",
      "text": "分治算法通常包含三个阶段：\n\n- 分解： 将当前问题实例拆分为规模更小的子问题。\n- 求解： 递归求解这些子问题；达到基本情形时，则直接求解。\n- 合并： 利用子问题的解，得到当前问题实例的答案。\n\n各阶段的工作量不必相同。有些算法的大部分工作发生在分解阶段；另一些算法则需要耗费大量工作来合并结果。必须采用适当的规模度量，确保子问题的规模不断缩小，使递归调用最终到达基本情形。(ocw.mit.edu)\n\n例如，归并排序将数组分为两半，分别排序，再合并排序结果。包含零个或一个元素的数组本身就已排好序。其正确性可以用数学归纳法来说明：基本情形是正确的，而合并两个已正确排序的较小数组，会得到一个正确排序的较大数组。这体现了递归结构与数学证明之间的联系。(introcs.cs.princeton.edu)"
    },
    {
      "heading": "运行时间分析",
      "text": "分治算法的时间复杂度通常用递推关系描述。当每个问题实例产生 \\(a\\) 个规模约为 \\(n/b\\) 的子问题时，标准模型为\n\n\\[T(n)=aT(n/b)+f(n),\\]\n\n其中，\\(f(n)\\) 表示分解与合并所需的非递归工作量，而规模为常数的实例需要常数时间。这里的 \\(n\\) 必须表示适用的规模度量：例如，在方阵乘法中，它通常表示矩阵的阶数。(ocw.mit.edu)\n\n递归树将递归调用表示为节点，并将各次调用的代价分布在不同层上。对于归并排序，两次处理半规模问题的调用，加上一次线性时间的合并，得到\n\n\\[T(n)=2T(n/2)+\\Theta(n)=\\Theta(n\\log n).\\]\n\n每一层的总工作量都是线性的，而层数是对数级的。这是利用渐近记号进行计算复杂性分析的一个例子，所用记号包括大O记号和表示紧确界的 \\(\\Theta\\) 记号。(ocw.mit.edu)\n\n主定理为这类递推关系中的若干重要类别提供了界。在常见的特殊情形 \\(f(n)=\\Theta(n^d)\\) 下，通过比较 \\(d\\) 与 \\(\\log_b a\\)，可以判断总代价主要由叶节点贡献、由各层均等贡献，还是由上层贡献。对于划分方式取决于输入的递推关系，例如快速排序中的递推关系，需要进一步分析，而不能直接代入这一等规模模型。(ocw.mit.edu)"
    },
    {
      "heading": "代表性算法",
      "text": "排序。 快速排序围绕一个枢轴元素划分数组，再递归地对划分所得的各个区域排序。与归并排序不同，它的主要工作发生在递归调用之前，之后几乎不需要合并。均衡的划分能使递归高效进行，而反复出现极不均衡的划分，则可能导致平方级的运行时间。随机选择枢轴，或在开始时随机打乱数组，可以得到期望运行时间为 \\(O(n\\log n)\\) 的随机化算法。(algs4.cs.princeton.edu)\n\n查找。 二分查找将目标值与有序数组的中间元素比较，随后只在相关的一半中继续查找。其递推关系为 \\(T(n)=T(n/2)+\\Theta(1)\\)，因此运行时间为对数级。它常被视为只有一个子问题的分治法：与归并排序不同，它不会同时求解两半的问题。(ocw.mit.edu)\n\n矩阵乘法。 斯特拉森算法将每个矩阵分为四块，通过递归计算七个分块乘积，而直接的分块乘法需要计算八个。加上额外的分块加减运算，得到\n\n\\[T(n)=7T(n/2)+\\Theta(n^2),\\]\n\n因此，算术运算次数为 \\(\\Theta(n^{\\log_2 7})\\)，约为 \\(\\Theta(n^{2.807})\\)。效率提升来自递归乘法次数的减少，而不只是对矩阵进行分块。(ocw.mit.edu)\n\n傅里叶变换计算。 基二快速傅里叶变换将偶数索引和奇数索引的输入分开，形成两个规模减半的变换，再利用离散傅里叶变换的对称性质合并结果。当长度为二的幂时，这种方法需要 \\(\\Theta(n\\log n)\\) 次运算，而直接计算的代价为平方级。同样的分解也可以用多项式的偶数次项系数和奇数次项系数来描述。(introcs.cs.princeton.edu)"
    },
    {
      "heading": "与动态规划的关系",
      "text": "分治法和动态规划都利用较小子问题的解来构造原问题的解。两者通常以如何处理重复计算来区分。经典的分治分解会产生相互独立的子问题实例；动态规划则通过保存并复用子问题的解来处理重叠子问题。记忆化在递归形式中实现了这种复用。这里的独立性指计算依赖关系上的独立，而不是概率意义上的独立。(ocw.mit.edu)"
    },
    {
      "heading": "并行执行与实现",
      "text": "相互独立的递归调用可以并发执行，因此分治法是适用于并行计算的一种结构。并行性能既取决于总工作量，也取决于跨度，即存在依赖关系的操作所组成的最长链。即使一个计算过程包含许多递归任务，如果分解或合并阶段仍按顺序执行，其加速效果也可能有限。(cs.cmu.edu)\n\n实际实现通常不会一直递归到最小的基本情形，而是在问题规模尚未缩小到这一程度时就停止递归，转用更简单的顺序执行方法。这可以减少函数调用或任务调度的开销；排序算法的实现可能对较小的子数组使用插入排序。划分是否均衡也很重要，因为不合理的划分会增加运行时间和递归深度。内存使用量取决于具体实现：数组归并排序通常需要辅助存储，而原地快速排序无需单独的划分数组，但仍需存储尚未完成的递归调用。(cs.cmu.edu)"
    }
  ],
  "links": [
    "computer-science",
    "algorithm",
    "recursion",
    "merge-sort",
    "mathematical-induction",
    "mathematical-proof",
    "time-complexity",
    "recurrence-relation",
    "computational-complexity",
    "big-o-notation",
    "master-theorem",
    "quicksort",
    "randomized-algorithm",
    "binary-search",
    "strassen-algorithm",
    "matrix",
    "fast-fourier-transform",
    "fourier-transform",
    "polynomial",
    "dynamic-programming",
    "parallel-computing"
  ],
  "sources": [
    {
      "title": "introcs.cs.princeton.edu/python/42sort/",
      "url": "https://introcs.cs.princeton.edu/python/42sort/"
    },
    {
      "title": "ocw.mit.edu/courses/6-046j-introduction-to-algorithms-sma-5503-fall-2005/2ad701…",
      "url": "https://ocw.mit.edu/courses/6-046j-introduction-to-algorithms-sma-5503-fall-2005/2ad701cf6e05ad46c9962644924a826e_-EQTVuAhSFY.pdf"
    },
    {
      "title": "introcs.cs.princeton.edu/java/42sort/",
      "url": "https://introcs.cs.princeton.edu/java/42sort/"
    },
    {
      "title": "algs4.cs.princeton.edu/23quicksort/",
      "url": "https://algs4.cs.princeton.edu/23quicksort/"
    },
    {
      "title": "introcs.cs.princeton.edu/java/97data/",
      "url": "https://introcs.cs.princeton.edu/java/97data/"
    },
    {
      "title": "ocw.mit.edu/courses/6-046j-design-and-analysis-of-algorithms-spring-2012/b1e5ac…",
      "url": "https://ocw.mit.edu/courses/6-046j-design-and-analysis-of-algorithms-spring-2012/b1e5ac3c8f7d60db9b8d5b66c40bc55e_MIT6_046JS12_Notes.pdf"
    },
    {
      "title": "cs.cmu.edu/afs/cs/academic/class/15210-f15/www/tapp.html",
      "url": "https://www.cs.cmu.edu/afs/cs/academic/class/15210-f15/www/tapp.html"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}