某个有序类型的元素的数组 a[1..n]（即始终定义 x <y），我想使用"分而治之"算法找到数组中的最小值。>
作业的真正含义是什么？
分而治之是一种算法技术，通过将问题分成更小的部分，解决每个部分的问题，并将结果组合在一起形成一个整体答案来解决问题。 当问题变得足够简单时，可以直接解决。
在这种情况下，请考虑一下如果将数组分成两半会发生什么情况。 如果你知道每一半中的最小值，你能计算出整体的最小值吗？ 当数组中只剩下一个元素时，数组中的最小值是多少？ 如果你回答了这个问题，你可以直接想出一个递归的分而治之算法来解决这个问题。
希望这有帮助！
分而治之策略通过以下方式解决问题：
-
将其分解为子问题，这些子问题本身是相同类型的较小实例问题
-
递归求解这些子问题
-
适当地结合他们的答案
一个很好的例子是合并排序！
http://en.wikipedia.org/wiki/Merge_sort
一般来说，"分而治之"意味着将一个问题划分为更小（通常更简单）的问题，分别解决每个问题，然后以某种方式组合解决方案。
在你的具体例子中，你应该以某种方式将数组分成更小的数组（例如，把它分成两半），在每个较小的数组中找到最小的值，然后选择这些子问题中的最小解作为整体问题的解决方案。每个子问题都可以使用相同的分而治之方法来解决，限制情况是一个足够小的数组（例如，1 或 2），您可以直接解决问题。
-
如果数组的内容是随机的，这意味着您必须搜索每个元素，直到找到要查找的元素。数组越长，搜索时间越长。 这称为"线性搜索"。
-
如果数组的内容已经按某种顺序排列，则可以利用此顺序来优化搜索（并减少搜索时间）。 例如，电话簿中的名称按字母顺序排序。 您可以在中间打开电话簿：如果您要查找的名称"低于"中间的名称，请继续在电话簿的左侧搜索。 如果更高，则搜索右半部分。 这被称为"二分搜索"或"分而治之"。
-
可以量化给定搜索算法的效率或低效程度。这称为"渐近"或"大O符号"：
类搜索算法 ----- ---------------- 数据结构数组 最坏情况性能 O（log n） 最佳情况性能 O（1） 平均案例表现 O（log n） 最坏情况下空间复杂度 O（1）
您可以使用以下算法。
getSmallest(int a[])
{
int n=a.length;
if(n==1)
return a[0];
else
{
x=remove first element from a;
create another array b with a size smaller by 1 than array a
if(x<getSmallest(b))
return x;
else
return the smallest returned by the recursive call
}
}
> http://ankzcode.blogspot.in/2012/11/find-minimum-without-linear-search.html
链接处的代码实现相同的内容。