前言
这次分享的内容是，经典算法思想-分治，你可以把它称之为一种思想，也可以叫它分治算法，为了更好的区分，接下来我们以'分治法'来称呼它。
如果你还不了解什么是分治法，或者知道一些，但是对于它具体是如何实现回溯，那么这篇文章可能适合你阅读。
我对分治算法的理解：
- 它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性质相同。
- 求出子问题的解，就可得到原问题的解，可以理解成一种分目标完成程序的算法。
- 二分法很多时候，就是一种分治的思想。
那么围绕以下几个点来展开介绍分治算法👇
- 基本思路
- 适用情况以及求解哪些经典问题
- 经典例题
分治法基本思想
一句话，对分治法概括它的话👇
将原问题划分成n个规模较小而结构与原问题相似的子问题，递归去解决这些子问题，然后依次再合并其结果，最后得到原问题的解。
那么具体的来说，我们似乎可以分成三个步骤👇
- 分解：将要解决的问题划分成若干规模较小的同类问题。
- 解决：当子问题划分得足够小时，用较简单的方法解决。
- 合并：按原问题的要求，将子问题的解逐层合并构成原问题的解。
其实思想还是不变的，将一个难以直接解决的大问题，分割成一些小规模的相同问题，以便各个击破，分而治之。
分治法适用情况
利用分治法求解一个问题，在于我们能否掌握分治法的几个特征：
- 把一个问题可以缩小到一定程度，变成更小的问题来解决。
- 分解成若干个小问题后，规模更小且是同类问题，这样子的话，该问题应该就是最优子结构。
- 利用该问题分解出来的子问题的解，合并为该问题的解。
- 分解出来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问题。
那我们来说一说这几个特征吧~
第一条特征：一个问题的计算复杂性一般是随问题的规模增加而增加的，所以绝大多数问题都满足。
第二条特征：应用分治法的前提是得满足它，你可以理解成它某种程度上反映了递归思想的应用。
第三条特征：这个应该就是分治法的关键了吧，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。
了解分治法的特征，我们来看看有哪些经典的问题是利用这个思想来解决问题的👇
分治法求解经典问题
什么情况下，可以用该思路来求解呢，以下来自网上搜集的内容👇
（1）二分搜索
（2）大整数乘法
（3）Strassen矩阵乘法
（4）棋盘覆盖
（5）合并排序
（6）快速排序
（7）线性时间选择
（8）最接近点对问题
（9）循环赛日程表
（10）汉诺塔
我想提起的是合并（归并）排序，它完成照应分治法的思想，分解大问题，解决各个规模小问题，最后合并，那我们来看看合并（归并）排序代码👇
归并排序
对于归并排序的思路，是如何实现的，之前的排序一章以及提及过，采用的是分治思路，可以看看是如何实现的，这里就不具体展开了。
2个例子
接下来，我们通过三个题目作为例子，来看看怎么利用分治的思想来解决问题👇
最大子序和⭐
链接：最大子序和
给定一个整数数组 nums ，找到一个具有最大和的连续子数组（子数组最少包含一个元素），返回其最大和。
示例:
输入: [-2,1,-3,4,-1,2,1,-5,4] 输出: 6
解释: 连续子数组 [4,-1,2,1] 的和最大，为 6。
进阶:
如果你已经实现复杂度为 O(n) 的解法，尝试使用更为精妙的分治法求解。
来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/maximum-subarray 著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。
首先，我们看看能不能以O(n)复杂度解决这个问题，其实仔细想一想的话，我们可以通过一个简单
更多得是，我们这题尝试一下用分治法来解决这题。对于一个数组的最大子序和，它对答案的贡献，只能是以下几种情况👇
- 出现在左半边
- 出现在右半边
- 出现在中间，穿过中间。
那么我们是不是可以递归处理呢，对于出现在左边和出现在右边的答案，我们可以把它们当作是一种情况，然后递归去处理，当然了递归的出口，很显然，当递归的数组的长度为1时，我们需要递归结束。
对于出现在中间答案的情况，我们可以通过计算来算出答案，所以思路理清楚， 接下来，我们看如何写👇
分治法连续最大和
当然了，这题用动态规划思路更好求解，也更加得好理解👇
- //dp[i]表示nums中以nums[i]结尾的最大子序和
动态规划求连续和
代码点这里☑️
搜索二维矩阵 II⭐⭐
链接：搜索二维矩阵 II
编写一个高效的算法来搜索 m x n 矩阵 matrix 中的一个目标值 target。该矩阵具有以下特性：
每行的元素从左到右升序排列。每列的元素从上到下升序排列。示例:
现有矩阵 matrix 如下：
- [ [1, 4, 7, 11, 15], [2, 5, 8, 12, 19], [3, 6, 9, 16, 22], [10, 13, 14, 17, 24], [18, 21, 23, 26, 30] ]
给定 target = 5，返回 true。
给定 target = 20，返回 false。
来源：力扣（LeetCode） 链接：https://leetcode-cn.com/problems/search-a-2d-matrix-ii 著作权归领扣网络所有。商业转载请联系官方授权，非商业转载请注明出处。
这题的题目很清晰👉矩阵的每行从左到右是升序， 每列从上到下也是升序，在矩阵中查找某个数。
当然了，我们有一个简单的思路👇
- 维护两个指针（row,col),找到目标元素时，我们就放回true
- 当指向当前的元素值小于target时，我们就col++，向上移动一行。
- 如果当前的值大于当前的target，我们就row--，向左移动一列。
- 知道col > 矩阵的行，或者row < 0时，我们直接return false，表示不存在。
时间复杂度：O(n+m)
- 时间复杂度分析的关键是注意到在每次迭代（我们不返回 true）时，行或列都会精确地递减/递增一次。
- 由于行只能减少 m 次，而列只能增加 n次，因此在导致 while 循环终止之前，循环不能运行超过 n+m 次。
- 因为所有其他的工作都是常数，所以总的时间复杂度在矩阵维数之和中是线性的。
根据以上的伪代码，我们基本上就能解出这个题目👇
二位矩阵求值
这样子的解法，简单且容易理解，其实这并不是真正意义上的二分，只是根据数据的特殊性，使用特定的搜索方式完成对矩阵的查找。
既然一维数组查某个值时，我们可以将复杂度降为log级别的时间复杂度，那么在二维的情况下，我们是不是也可以这么考虑呢?
这个思路，可以借鉴一下👇
- 我们可以迭代矩阵对角线，二分搜索这些行和列，对它们进行切片。
- 在对角线上迭代，二分搜索行和列，知道对角线上的迭代元素用完为止（这个时候，就可以放回true或者是false）
说得更加简单一些，二分查找的思想是沿着对角线，行查找一下，列查找一下。
可以借鉴一下代码，就会明白如何利用矩阵的对角线去分治。
二位矩阵求值
代码点这里☑️
理清楚分治法思路，对它的特征有了一定的了解，明白何如利用它解决实际的问题，那或许这就是这篇文章的意义所在吧~
题目汇总
题目不多，但是对于基本的入门分治法，应该还是不错的选择👇
- 最大子序和
- 连续数列
- 切分数组
