第9章_中位数和顺序统计学.ppt

9.3最坏情况线性时间的选择 最坏情况下： 步骤1、2、4需要O(n)的时间 步骤3花时间T(? n/5? ) 步骤5所需时间至多为T(7n/10+ 6) 假设T是单调递增的 假设任何等于或小于140个元素的输入需要 O(1)的时间 后面会证明为什么取140 ( )T n ? ? 9.3最坏情况线性时间的选择 可以得到递归式： 使用替换法 假设对某个适当大的从常数c和所有的n ≤ 140，有T(n) ≤ cn 只要c足够大，这个假设就能成立 挑选一个常数a，使得对所有n0，由上述 O(n)项所描述的函数由an从上方限界 n /5 ? ?(1) 如果n ? 140 9.3最坏情况线性时间的选择 代入递归式得 可以发现，如果-cn/10 + 7c + an ≤ 0， 即可证明T(n)≤ cn 当n 70时，c ≥ 10a(n/(n - 70)) 所以当n ≥ 140时，有n/(n - 70) ≤ 2，此 时选择c ≥ 20a即可得出结论 因此，SELECT最坏情况下也是线性的 T (n) ? c ?n /5 ? c(7n /10 ? 6) ? an ? ? cn / 5 ? c ? 7cn /10 ? 6c ? an ? 9cn /10 ? 7c ? an ? cn ? (?cn /10 ? 7c ? an) 9.3最坏情况线性时间的选择 与比较排序中一样，SELECT和 RANDOMIZED-SELECT仅通过元素间的 比较来确定它们之间的相对次序 比较模型中，即使在平均情况下，排序算 法仍然需要?(n lg n)的时间 而线性时间排序算法在输入上做了假设。 线性时间选择算法不对输入做任何假设， 不受?(n lg n)的约束，因为它们没有使用 排序就解决了选择的问题。 * * 第9 章：中位数和顺序统 计学（选择问题） 本章简介 最小值和最大值 以期望线性时间做选择 最坏情况线性时间的选择 中位数和顺序统计学 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：集合的“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?) 中位数和顺序统计学 选择问题： 从一个由n个不同数值构成的集合中选择其第 i个顺序统计量 输入：一个包含n个（不同的）数的集合A和 一个数i，1≤i≤n 输出：元素x∈A，它恰大于A中其他的i-1个 元素 可以在O(n lg n)时间内解决，因为可以用堆 排序或合并排序，然后标出第i个元素即可 有没有更好的算法？ 5 9.1 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 以上算法最优？ 把它看成各元素之间进行的一场锦标赛，每 次比较都是其中一场比赛。 除了最终获胜者之外，每个元素都要输掉至 少一场比赛 为确定最小（最大）值，做n-1次比较是必须 的 9.1 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 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 9.1 最小值和最大值 （续上页） 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? ? 9.2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相同！都是 Θ(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 期望时间为Θ(n) 10 9.2以期望线性时间做选择 RANDOMIZED-SEL