前k小元素的选择.docxVIP

冃录 TOC \o 1-5 \h \z \o Current Document 前k小的元素的选择 1 \o Current Document 一、 实验内容和实验要求 1 \o Current Document 二、 算法详细设计 1 \o Current Document 堆选择法 1 快速排序法 2 快速选择法 2 \o Current Document 三、 算法的效率分析与测试 2 堆选择法 2 快速排序法 3 快速选择法 3 几种算法的效率对比 4 \o Current Document 四、 算法实现清单 6 堆选择法 6 \o Current Document 快速选择法 8 \o Current Document 快速排序法 9 前k小的元素的选择 一、 实验内容和实验要求 名企面试考核程序员，很喜欢问关于第k小元素、前k小元素或前k人元素的选择, 冈为在很短的时间内能考核一个程序员对算法的基本理解和在各种应用场景的选择。请用三 种或以上的方法來实现“前k小元素的选择”，并分析每一种算法的效率和优缺点。 二、 算法详细设计 1.堆选择法 在这里，题目要求选择前k小的元素。因此可以克接选择出前k小的元素，而不需排序。 我们町以很直观地利用堆来实现这个任务。堆是一种特殊的数据结构，它町以很方便地利用 数纽來实现。它在物理结构上是数组，但在逻辑结构上可以将它抽象成为-?颗完全二叉树, 弓树这种数据结构具冇类似的性质。这样的话对堆的处理会方便很多。堆结构在操作系统进 行基于优先级的任务调度中用得很多。此外，由于堆的性质，它还可以用来进行元素的排序， 尤其是在元素数最相当庞人，哄至要利用到外部存储时，堆排序就能显出优势。堆的性质， 十分适合完成前k小元素的选择。 接下來我们就详细阐述利用堆对进行前k小元素选择的思路。这里冇必要说一下两种类 型的堆:?种堆是根节点的值是数组元素中最大的,这种叫做最大堆；另一种是根节虫的值 是数组元素中最小的，这种叫做垠小堆。这里我们选择最大堆来进行问题的解决。首先我们 先创建一个人小为k的heap数组，然后将所有的元素（个数为countOfNum）数据统统放到 一个人数组elemArray中。这样就完成了初始化。接下來我们就要将人数组elemArray前k 个元素加入到堆中（heap数组中），然后对堆进行调整，使之符合最大堆的要求。然后对 人数组elemArray中k之后的元素e： （k=lcountOfNum）逐个与堆（heap数组）中根节点 的值（heap[0]）进行比较。若?大于heap[0],那么将?加入至lj heap[0],然后对heap数组 进行调整:若?小于等于heap[0],则打描elemArray中的下一元素。遍历elemArray直到 i=countOfNum-1为止。此时,heap数组中的元素都是犬数组elemArray中前k小的元素（heap 数组中的元素无序）。 ?快速排序法 快速排序的基本思想是：每次从无序的序列中找出一个数作为中间点（可以把第一个数 作为中间点），然后把小于中间点的数放在中间点的左边，把人于中间点的数放在中间点的 右边：对以上过程重fi log（n）次得到有序的序列。 3.快速选择法 既然是选择前K个对象，那么就没必要对所有的对象进行排序，町以采用快速选择的思 想获得前K个对彖，即在快速排序的基础上对递归树进行剪枝，比如首先采用快速排序的集 合划分方法划分集合：SI, pivot, S2,然后比较K是否小于S1的个数，如果小于，则直接 对S1进行快速排序，如果K的个数超过S1,那么对S2进行快速排序，排序完成Z后，取数 组的前K个元素就是数组的前K个/小值。这种实现方法挣定比第?种的全快速排序要更快 速。 三、算法的效率分析与测试 1.堆选择法 堆选择法的效率分析主要集中在两个方面，一个是时间复杂度的分析，另一个是空间复 杂度的分析。 空间复杂度很明显为0（”k）,其中n为人数组尤素的数屋，k为堆中尤素数屋。 时间复杂度町以分为两部分：①、初始化堆中元素的时间复杂度：◎、后续元索加入堆中后 调整堆的时间复杂度。 对于①，根节点的故人调整次数为Llog2/cJ+l,那么整个堆的调整次数不会超过 k(Llog2k」+l)次。 对于②，选出了前k个数，剩Mn-k)个元素，假役剩卜的元素都会插入堆顶。那么对于 每一这样的元素，调整堆的次数最大为k(Llog2kJ+l),因此这部分的运算次数不会超过 (n-k)(Llog2/cJ+l)o 上述的G)和◎的计算次数结合到一起，得到总的计算次数不会超过n(Llog2/d+l)次。明 显可得堆选择法的时间复杂度为O(nlogk)o ?快速排序法 快速排序的时间复杂度分析：