_中位数和顺序统计学.pptVIP

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？ 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) 9.2 以期望线性时间做选择 RANDOMIZED-SELECT(A,p,r,i) 1 if p=r 2 then return A[p] 3 q←RANDOMIZED -PARTITION(A,p,r) 4 k←q -p+1 5 if i=k 6 then return A[q] 7 elseif ik 8 then return RANDOMIZED-SELECT(A,p,q-1,i) 8 else return RANDOMIZED-SELECT(A,q+1,r,i-k) 9.2 以期望线性时间做选择 最坏情况下运行时间为 Θ(n 2 ) 即使是找最大最小元素的最坏情况也是 Θ( n 2 ) [ 注意 ] 我们前面的算法在选择最小元素和最大 元素时都是 Θ( n) 算法平均情况性能较好： Θ( n) 因为它是随机化的，所以没有那种特别输 入能导致最坏情况的发生。 9.2 以期望线性时间做选择 对于含有 n 个元素的输入数组 A[p..r] ，所 需时间是一个随机变量，记为 T(n) 假设程序 RANDOMIZED-SELECT 以相等的 可能性返回任何元素作为主元 定义指示器随机变量 X k 为 X k ? I