ਡਿਵਾਈਡ ਐਂਡ ਕੁਨਕਰ ਇੱਕ ਸਮੱਸਿਆ ਨੂੰ (1) ਇਸ ਨੂੰ ਛੋਟੀਆਂ ਅਤੇ-ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਵੰਡਕੇ, (2) ਹਰੇਕ ਨੂੰ ਜਿੱਤਕੇ ਪੁਨਰ ਤਰੀਕੇ ਨਾਲ, ਅਤੇ (3) ਨਤੀਜਿਆਂ ਨੂੰ ਮਿਲਾਕੇ ਹੱਲ ਕਰਦਾ ਹੈ। ਕਈ ਪ੍ਰਭਾਵੀ ਅਲਗੋਰਿਦਮ ਇਸ ਟੈਮਪਲੇਟ ਦੀ ਪਾਲਣਾ ਕਰਦੇ ਹਨ।
ਜੇ ਅਤੇ-ਸਮੱਸਿਆਵਾਂ ਸੁਤੰਤਰ ਹਨ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਸੁੰਗੜ ਜਾਂਦੀਆਂ ਹਨ, ਤਾਂ ਕੁੱਲ ਕੰਮ ਇੱਕ ਦੁਹਰਾਓ ਦੀ ਪਾਲਣਾ ਕਰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਤੁਸੀਂ ਮਾਸਟਰ ਥਿਊਰਮ ਨਾਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰ ਸਕਦੇ ਹੋ।
def max_dc(arr, lo, hi):
if lo == hi: # base case: one element
return arr[lo]
mid = (lo + hi) // 2
left = max_dc(arr, lo, mid) # conquer left
right = max_dc(arr, mid + 1, hi) # conquer right
return max(left, right) # combine
max_dc([3, 9, 2, 7], 0, 3) # -> 9
ਆਮ ਤੌਰ 'ਤੇ T(n) = a·T(n/b) + f(n); merge sort ਲਈ, T(n) = 2T(n/2) + O(n) = O(n log n)।
ਜਦੋਂ ਇੱਕ ਸਮੱਸਿਆ ਸਾਫ਼ ਤੌਰ ਤੇ ਵੰਡਦੀ ਹੋ ਸੁਤੰਤਰ ਅਤੇ-ਸਮੱਸਿਆਵਾਂ ਵਿੱਚ ਵਰਤੋ। ਜੇ ਅਤੇ-ਸਮੱਸਿਆਵਾਂ ਓਵਰਲੈਪ ਕਰਦੀਆਂ ਹਨ, ਤਾਂ ਡਾਇਨਾਮਿਕ ਪ੍ਰੋਗਰਾਮਿੰਗ ਨੂੰ ਤਰਜੀਹ ਦਿਓ (ਮੁੜ-ਗਣਨਾ ਤੋਂ ਬਚਨ ਲਈ)। Recursion ਓਵਰਹੈੱਡ ਅਤੇ ਮਿਲਾਉਣ ਦੀ ਪਾਲੀ ਛੋਟੇ ਇਨਪੁਟਾਂ ਲਈ ਹਾਵੀ ਹੋ ਸਕਦੀ ਹੈ।
Divide and conquer ਪ੍ਰਭਾਵੀ ਅਲਗੋਰਿਦਮਾਂ ਦੇ ਇੱਕ ਵੱਡੇ ਹਿੱਸੇ ਦੇ ਪਿਛੇ ਇੱਕ ਮੁੜ-ਵਰਤਨਯੋਗ ਬਲੂਪ੍ਰਿੰਟ ਹੈ।
ਪੈਟਰਨ ਨੂੰ ਪਛਾਣਨਾ ਤੁਹਾਨੂੰ ਦੁਹਰਾਓ ਨਾਲ ਨਵੇ ਅਲਗੋਰਿਦਮ ਤੇਜ਼ੀ ਨਾਲ ਲਿਆ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਦਿੰਦਾ ਹੈ।
ਇਹ ਸਮਾਨਾਂਤਰਤਾ ਨਾਲ ਵੀ ਕੁਦਰਤੀ ਤੌਰ ਤੇ ਮਾਪਦਾ ਹੈ, ਕਿਉਂਕਿ ਸੁਤੰਤਰ ਅਤੇ-ਸਮੱਸਿਆਵਾਂ ਇੱਕੋ ਸਮੇਂ ਚੱਲ ਸਕਦੀਆਂ ਹਨ।