中等硬度【信息技术】.docVIP

中等硬度 问题描述 略 算法A（排序） 既然题目要求求出硬度处于中间位置的物体，那么如果我们设法得到所有物体的硬度顺序，显然就能得到问题的解。下面就把问题转化为如何借助MED3过程对所有物体进行排序。 有一种排序可以认为是插入和查找的结合。这个过程是这样的：首先任意找两个物体作为有序化后的序列。然后对剩下的所有物体逐个重复查找（定位）的过程，直到将所有物体排序。 查找的过程可以用二分查找，——然而更好的是用三分。这是适应题目条件的——MED3提供的是有两个界限值划分三个区间的功能。具体说来，就是在当前把当前范围内的物体均分为3个区间，区间两两交界处的物体取出成为两个界限值（基准），以待插入物体和两个基准值一起调用MED3，于是可以轻松判定该待插入物体属于哪个区间。然后对该区间重复上面的三分过程。 体会上述的查找定位，其实可以发现二分几乎是毫无道理的。也许想到采用二分查找完全是一种思维定势。然而二分给我们提供了一种分治策略的启示，这个思想成为上面算法的基本思想，并且也是下面几种更高效的算法的基石。 算法B（二分） 算法A排序思想之所以低效，事实上是因为我们“不辞辛劳”地给很多不可能是中等硬度的物体也排了座位。作为一个完整的排序过程，如果不全部进行完毕，是无从知道哪个物体具有中等硬度的（对于本题，排序具有一种低效性中的稳定性，似乎颇有无可奈何之感）。 针对算法A的这种弊端，我们考虑如何尽早，尽多地排除那些不可能成为最终解的物体。如果说算法A取自插入排序的思想，那么为何不运用快速排序的思想呢？如果能每次把所有物体按一个界限值分为两部分，然后确定中等硬度的物体所在的区间，接下来对这个单一的区间重复划分，就可以不断地剔除非所求物体，减少无用的判断（联系到MED3调用次数）。 二分的过程大致如下： 在待选物体中随机找出两个作为划分基准(设为X1，X2)确定左右2个区间。 将余下的待选对象(设为X3)逐个与两个基准对象一起调用MED3，从而确定它们的所在区间： 若MED3(X1,X2,X3)=X1，X3属于区间1； 若MED3(X1,X2,X3)=X2，X3属于区间2； 若MED3(X1,X2,X3)=X3，X3在X1和X2之间，那么我们可以把X1踢进区间1里去，或者把X2踢进区间2里，以恢复两个基准的平衡状态（如图）。 优化一 这时可以作出一个更有利于我们的选择：当区间1比较大（拥有的物体数量较多）时，不妨使X2加入区间2；否则使X1加入区间1。这样可以让基准值尽量接近中点，在划分完成后有望排除较多的物体。 划分完成后，根据2个区间的大小(包含物体个数)确定目标物体(中等硬度)所在的区间。 对该区间内的对象重复上述过程，直到找到唯一确定的目标(即：目标所在区间仅包含一个物体(目标)，或目标恰为上次选定的基准物体之一)。 划分方向的确定 在不断缩小范围的过程中，由于处理对象的不断变化，为了对目标进行定位，要注意方向的确定，即每次二分的方向要保持一致。 所谓方向是指：根据硬度大小的排序，我们无从知道是从小到大排序还是从大到小排序，因为MED3只返回“中等硬度”的对象而非3个物体硬度的完整大小关系。所以每次选定了基准后, 若仅仅根据待选对象逐个与两个基准对象一起调用MED3的返回值确定2个区间, 则显然区间1和区间2互换位置后依然满足这些返回值。这对目标的定位是一个巨大的障碍。比如下面的例子： Label 1 2 3 4 5 6 7 8 9 Strength 1 2 3 4 5 6 7 8 9 显然 987654321，中等硬度的物体为5 。 第一次处理，对象共9个，目标的序号Target=5（9div2+1）。 设基准1为4 ，基准2为3。（实现时可随机选取） 最后的划分结果为： 计算得，目标存在于区间1。且应该是区间1中的第5个(按当前的排序顺序)，所以Target=5。 第二次处理， 对象为5,6,7,8,9 设基准为7和9 划分结果（包括过程中的基准调整）： 然而第5个物体是9，显然9不是中等硬度的物体。 原因就在于，第一次划分的结果是从大到小，而第次恰相反。而注意到这种顺序是由选取的两个基准的大小关系决定的。 若硬度值基准1基准2， 则导致从大到小划分，反之，为从小到大划分。所以，每一次的划分都要保证基准的大小关系与前一次一致，为确保这一点，在进行又一次深入划分时，要带入上次划分的一个基准值事先与这次选定的两个基准值进行一次MED3运算。 比如仍举上例的第二次划分， 划分前首先带入4，并调用：MED3(4,7,9)=7。于是可以判定，7和9的位置应当交换，以保证9-7-4的顺序。然后再进行划分，得： 此时发现目标仍未锁定。 目标存在于区间3， Targ