第2章 递归与分治策略-2(1).pptVIP

* 随机选择支点的快速排序 template class Type void randomizedQuickSoft(Type a[], int p, int r) { if (pr) { int q=randomizedPartition(a, p, r) randomizedQuickSort(a, p, q-1); //对左半段排序 randomizedQuickSoft(a, q+1, r); //对右半段排序 }} template class Type int randomizedPartition(Type a[], int p, int r) { int i=random( p, r) swap( a[i], a[p] ) return Partition (a,p,r) 算法设计与分析 递归与分治 快速排序 * 算法设计与分析 递归与分治 排序算法效率比较 * 2.9 线性时间选择 定义：给定线性序列集中的n个元素和正整数k, 1≤ k≤ n, 求第k小元素的位置。 特别是k=n/2时，怎样处理？ 若通过排序，复杂性为O(NlogN)。能否更小？ 困扰算法界多年，最终由Rabin和Knuth解决。 先看以下几种情况： K=1 求最小元素，无论采用何种方法，至少要N-1次比较。 K=2 通常的办法需要(n-1)+(n-2)=2n-3次比较 但这不必要，因为可利用求最小元素时的信息。下面用N个叶结点的二叉树模拟N个选手两两进行淘汰比赛，最后产生冠军的过程。 冠军要进行┌ log N┐轮比赛，既冠军要战胜┌ log N┐位选手。亚军一定同冠军比赛过，但不一定是最后输给冠军的那名失败者 （与现实的情况有所不同）。 算法设计与分析 递归与分治线性时间选择 * 冠军 产生冠军若采用淘汰赛，需要进行┌ log N┐轮比赛；要确保真正则是冠军要进行N-1次比赛。 亚军要在输给冠军的┌ log N┐个选手中产生。 因此，求第二小元素需要 （N-1)+┌ log N┐-1 =N+ ┌ log N┐-2次比较 算法设计与分析 递归与分治线性时间选择 * 问题陈述: 求n个元素中的第k小元素. 分治算法思路:模仿快速排序对输入数组A进行二分划分,使子数组A1的元素=A2中的元素,分点J由随机数产生,若K?J,则K为A1的第K小元, 若KJ,则K为A2的第K-J小元. 与快速排序算法不同,它只对子数组之一进行递归处理。 分析: template class Type Type RandomizedSelect (a[ ], int p,int r, int k) { if (p==r) return a[ p ]; int i = RandomizedPartition(a, p, r), j=i-p+l if ( k = j ) return RandomizedSelect(a, p, i, k); else return RandomizedSelect(a, i + 1, r, k - j); } Tmax= ?(n2 )(左半总为空) 若分点总是等分点,则 Tmin(n)= d T(n)= T(n/2)+cn 得: T(n)= ?(n) 算法设计与分析 递归与分治线性时间选择 * 最坏情况下的选择算法: 通过寻找一个好的划分基数,可使最坏情况下时间为O(n). 例如 : 考察如下情形: r=5, n=27, a=[ 2, 6, 8, 1, 4, 10, 20, 6, 22, 11, 9, 8, 4, 3, 7, 8, 16, 11, 10, 8, 2, 14, 15, 1, 12, 5, 4 ]。 算法思路(中间的中间):将a中元素分为n/r组,除最后一组外每组元素为r个.通过对每组排序找到各组的中位数,根据n/r个中位数递归使用选择算法得到支点元素. 分组: [ 2, 6, 8, 1, 4 ], [10, 20, 6, 22, 11], [9 ,8, 4, 3, 7], [8, 16, 11, 10, 8], [2, 14, 15, 1, 12], [5，4] 中间元集合: [4, 11, 7, 10, 12, 4],中间元的中间元为7,作为支点。 划分:a[1:11]=[2，6，1，4，6，4，3，2，1，5，4] ,a[12]=[7], a[13:2