一、求最大最小值
即遍历一次,然后依次跟当前最大或最小的比较一下,遍历结束,则选择结束。
(源代码来自网上)
//得到最小值
int GetMin(int nData[], int nLen)
{
int nMin = nData[0]; //初始化nMin为第一个数据
for (int i = 1; i < nLen; ++i) //遍历数据一一同nMin比较
{
if (nMin > nData[i])
{
nMin = nData[i];
}
}
return nMin; //返回最小值
}
//得到最大值
int GetMax(int nData[], int nLen)
{
int nMax = nData[0]; //初始化nMax为第二个数据
for (int i = 1; i < nLen; ++i) //遍历数据一一同nMax比较
{
if (nMax < nData[i])
{
nMax = nData[i];
}
}
return nMax; //返回nMax
}
二、求第i个顺序统计量
就是求集合中第i小的元素
第一种办法是先排序,然后直接索引。但是基于比较的排序的执行时间底线是nlogn。而非基于比较的排序又需要各种条件。
第二种分区算法,每执行一次能够找出基准值的最终位置,即左边的值都不大于基准值,右边的值都不小于基准值,这从而让人想起了折半查找,分治思想。
//在区间[low, high)搜索第k小的元素
2: int RandomizedSearchK(int A[], int low, int high, int k)
3: {
4: if(low == high-1)
5: return A[low];
6:
7: int r = Partition(A, low, high); //返回基准值索引
8: int n = r - low + 1; // A[low.....r]的元素个数
9: if (n == k) //基准值正好是第k小
10: return A[r];
11: else if (n < k)
12: RandomizedSearchK(A, r+1, high, k - n); //查找基准值右边第k-n小
13: else
14: RandomizedSearchK(A, low, r, k); // 查找基准值左边第k小
15: }
三、最坏情况为线性时间的选择算法
上面期望时间线性是因为可能存在某种最坏的情况,每次分割元的位置都是导致一边没有元素,这样就不能够达到线性了,而为n 2,接下来的一些预先工作就是避免这种情况发生。
算法SELECT通过执行下列步骤来确定一个有n个元素的输入数组中的第i个小的元素。
1、将输入数组的n个元素划分为n/5组,每组5个元素,且至多有一个组由剩下的n mod 5个元素组成。
2、寻找n/5个组中每一组的中位数。(方法首先对每组中的元素进行插入排序,然后从排序过的序列中选出中位数)
3、对第2步中找出的n/5个中位数,递归调用SELECT找出其中位数x。(如果有偶数个中位数,根据约定,x是下中位数。)
4、利用修改过的PARTITION过程,按中位数的中位数x对输入数组进行划分。让k比划分低区的元素多1,所以x是第k小的元素,并且有n-k个元素在划分的高区。
5、如果i=k,则返回x,否则,如果i<k,则在低区递归调用SELECT以找出第i小的元素,如果i>k,则在高区找第(i-k)个最小元素。
图中箭头指向表示大的数值指向小的数值,所以根据图可以看出,在x的右边,每一个包含5个元素的组中至少有3个元素大于x,x的左边,每一组中至少有3个元素小于x。(保证x分割一边必定有元素存在)
图中显示的中位数的中位数x的位置,每次选取x作为划分的好处是能够保证必定有一部分在x的一边。
所以算法最坏情况的递归公式可以写成:
使用替换法可以得出T(n)<=cn。