算法导论partII排序和顺序统计解析.ppt

* * * * * * * * * Chapter 9. 中位数和顺序统计 中位数和顺序统计 在一个由n个元素组成的集合中 第i个顺序统计量：集合中第i小的元素 最小值：第1个顺序统计量 最大值：第n个顺序统计量 中位数：集合排序后“中点元素” n为奇数时，中位数唯一， i = （n+1）/2 简单起见，我们在提到“中位数”时，总是讨论 下中位数 n为偶数时，有上中位数 (i ? ?(n ? 1) / 2?) 和下中位 数(i =??(n ? 1) / 2?) 5 1. 最小值和最大值 找到最小元素的程序 假设集合存放于数组A中，且length[A]=n。 MINIMUM(A) 1 min ← A[1] 2 for i←2 to length[A] 3 do if min A[i] 4 then min ← A[i] 5 return min 该算法进行了n-1次比较 同理可得找最大值的程序 1. 最小值和最大值 同时找出最小值和最大值 应用：图形程序变换一组数据(x,y)使之能适 合一个矩形显示屏或其他图形输出装置，此 时必须先确定每个坐标最大，最小值 前面算法调两遍，比较次数2n-2，复杂度 Θ(n)，分析表明这是渐近最优的算法 最小值和最大值 将一对输入元素互相比较 将较小的与当前最小值比较 将较大的与当前最大值比较 事实上，至多 3*?n / 2? 次比较就足以同时找到 1 最小值和最大值 初始值设定 n是奇数：最小值和最大值都设为第一个元素的值 n是偶数：对前两个元素做一次比较以决定最大值 和最小值的初值 比较次数： n是奇数：3(n-1)/2= 3 ?n / 2? n是偶数：1+3(n-2)/2= 3 n /2? ? 2. 以期望线性时间做选择 一般选择问题 看起来比找最小值的简单选择问题更难 实际上，两种问题渐近运行时间复杂度相同！都是O(n) RANDOMIZED-SELECT算法 采用分治算法，以quick-sort为模型 区别在于只处理划分的一边 期望时间复杂度为O(n) * * * 快排的基本思想是：通过同一趟快速排序将代排序列划分成两个子序列， 其中一子序列的值小于另一序列的值。 然后分别递归的对这两个子序列继续进行快速排序，以达到整个序列有序。 通过一趟排序将序列划分成两部分 一部分比另一部分小 如例子一趟排序后的结果如下 52左边的值都小于52 右面的值都大于52 如何找到基准52的位置 以及左右区间的值为何如此摆列 我们来详细讲解下它的实现过程。 2 8 7 1 3 5 6 4 Pivot = 2 快排 是高效的排序 则它时间复杂度到低是多少 递归程序 需要推出递归方程 整个快排所需要的时间 有三部分组成 1是对序列进行一趟快排的时间 两个子序列分别进行快速排序所需要的时间 解差分方程的得到 * * * * * * * * * * * * * * * * * * 至今为止，我们见过的排序都是比较排序: 仅仅使用比较来比较各项的相对顺序。 ? 比如：插入排序,合并排序,快速排序, 堆排序。 比较排序中最快的最坏运行时间是O(nlgn). O(nlgn)是不是我们能做到的极限? 决策树可以帮助我们回答这个问题 ： 1.排序算法的下界 * 排序〈a1, a2, …, an〉 每个内部节点标识为 i:j i, j ∈{1, 2,…, n}. ?左子树表示当ai ≤ aj时的比较序列 . ?右子树表示当ai ≥ aj时的比较序列 . * 决策树举例 排序 〈a1, a2, a3〉 = 〈9 , 4 , 6 〉: 每个内部节点标识为i:j,i,j∈{1, 2,…, n}. ?左子树表示当ai≤aj时的比较序列 . ?右子树表示当ai≥aj时的比较序列 . * 决策树举例 每个内部节点标识为i:j,i,j∈{1, 2,…, n}. ?左子树表示当ai≤aj时的比较序列 . ?右子树表示当ai≥aj时的比较序列 . 排序 〈a1, a2, a3〉 = 〈9 , 4 , 6 〉: * 决策树举例 每个内部节点标识为i:j,i,j∈{1, 2,…, n}. ?左子树表示当ai≤aj时的比较序列 . ?右子树表示当ai≥aj时的比较序列 . 排序 〈a1, a2, a3〉 = 〈9 , 4 , 6 〉: * 决策树举例 每个内部节点标识为i:j,i,j∈{1, 2,…, n}. ?左子树表示当ai≤aj时的比较序列. ?右子树表示当ai≥aj时的比较序列. 排序 〈a1, a2, a3〉 = 〈9 , 4 , 6 〉: * 决策树举例 决策树可以模拟任何的比较排序的执行过程: 每个输入大小为n的序列都