第2章 递归及分治策略(2-例子).pdf

2.9 线性时间的选择问题 2.9 线性时间的选择问题 给定线性序集中n个元素和一个整数k，1 ≤k ≤n，要求找出这n 个元素中第k小的元素  当k=1，找最小元素  当k=n，找最大元素  当k处于中间的元素，称为中位数 当n为奇数时，中位数只有1个，k=(n+1)/2； 当n为偶数时，中位数有2个，k=n/2, n/2+1 ，可视为两个 中位数(上、下中位数)，也可视为这两个中间数的平均值. 1，找最大元素FindMax 算法最坏情况下 的时间复杂性为 O(n) 2.9 线性时间的选择问题 2.9 线性时间的选择问题 2 ，找最大和最小元素FindMaxMin 3，找第二大 2.9 线性时间的选择问题 2.9 线性时间的选择问题 4 ，一般性选择问题 几种思路： （1 ）排序法 （2 ）堆+ 部分排序：O(n+klogn) 先建最小堆：O(n) 最小堆 弹堆顶元素k次，第k次获得第k小元素：k*O(logn) 当k较小，接近线性效率，但堆的空间较大。 2.9 线性时间的选择问题 2.9 线性时间的选择问题 4 ，一般性选择问题 （3 ）堆：O(nlogk) 这种思路是前述（2 ）方法的改进： 先建一个长度为k的最大堆，存储n个元素的前k个元素， 最大堆 并假设他们就是最小的k个数，建堆费时O(k)； 弹堆顶x ，将后续n-k个元素逐个遍历，和堆顶x 比较，若 比x小，插入并更新堆，若比x大，丢弃； 总耗时最坏：O(k+(n-k)logk) = O(nlogk)，当k较小，接近 线性效率，且堆的空间很小(只有k)，适合于海量数据查询 且堆的空间很小(只有k)，适合于海量数据查询 第k小元素。此方法得益于在堆中，插入、查找等各项操作 第k小元素。 时间复杂度均为logk。 （4 ）快速选择算法 最坏情况：O(n)，但此处n有个系数，渐进意义上忽略。 2.9 线性时间的选择问题 2.9 线性时间的选择问题 4 ，一般性选择问题 （3 ）快速选择算法 templateclass Type Type RandomizedSelect(Type a[],int p,int r,int k) { if (p==r) return a[p]; int i=RandomizedPartition(a,p,r), 算法期望O(n)，但 j=i-p+1; 最坏情况O(n2) if (k=j) return RandomizedSelect(a,p,i,k); else return RandomizedSelect(a,i+1,r,k-j); } 2 在最坏情况下，算法randomizedSelect需要O(n )计算时间。 但只要适当选择基准值，可以证明算法randomizedSelect可以 在O(n)平均时间内找出n个输入元素中的第k小元素。 2.9 线性时间的选择问题 2.9 线性时间的选择问题 如果能在线性时间内找到一个划分基准，使得按这个 基准所划分出的2个子数组的长度都至少为原数组长度 的ε倍(0 ε1是某个正常数)，那么就可以在最坏情 况下用O(n)时间完成选择任务。 例如，若ε=9/10，算法递归调用所产生的子 数组的长度至少缩短1/10。所以，在最坏情况 下，算法所需的计算时间T(n)满足递归式 T(n) ≤T(9n/10)+O(n) 。由此可得T(n)=O