目录
1、问题的引出-求第i个顺序统计量
2、方法一:以期望线性时间做选择
3、方法二(改进):最坏情况线性时间的选择
4、完整测试代码(c++)
5、参考资料
内容
1、问题的引出-求第i个顺序统计量
什么是顺序统计量?及中位数概念
在一个由元素组成的集合里,第i个顺序统计量(order statistic)是该集合第i小的元素。例如,最小值是第1个顺序统计量(i=1),最大值是第n个顺序统计量(i=n)。一个中位数(median)是它所在集合的“中点元素”。当n为奇数时,中位数是唯一的;当n为偶数时,中位数有两个。问题简单的说就是:求数组中第i小的元素。
那么问题来了:如何求一个数组里第i小的元素呢?
常规方法:可以首先进行排序,然后取出中位数。由于排序算法(快排,堆排序,归并排序)效率能做到Θ(nlogn),所以,效率达不到线性; 在本文中将介绍两种线性的算法,第一种期望效率是线性的,第二种效率较好,是在最坏情况下能做到线性效率。见下面两个小节;
2、方法一:以期望线性时间做选择
这是一种分治算法:以快速排序为模型:随机选取一个主元,把数组划分为两部分,A[p...q-1]的元素比A[q]小,A[q+1...r]的元素比A[q]大。与快速排序不同,如果i=q,则A[q]就是要找的第i小 的元素,返回这个值;如果i < q,则说明第i小的元素在A[p...q-1]里;如果i > q,则说明第i小的元素在A[q+1...r]里;然后在上面得到的高区间或者低区间里进行递归求取,直到找到第i小的元素。
下面是在A[p...q]中找到第i小元素的伪码:
1 RandomSelect(A,p, q,k)//随机选择统计,以期望线性时间做选择 2 { 3 if (p==q) return A[p]; 4 int pivot=Random_Partition(A,p,q);//随机选择主元,把数组进行划分为两部分 5 int i=pivot-p+1; 6 if (i==k )return A[pivot]; 7 else if (i<k) return RandomSelect(A,pivot+1,q,k-i);//第k小的数不在主元左边,则在右边递归选择 8 else return RandomSelect(A,p,pivot-1,k);//第k小的数不在主元右边,则在左边递归选择 9 }
在最坏情况下,数组被划分为n-1和0两部分,而第i个元素总是落在n-1的那部分里,运行时间为Ө(n^2);但是,除了上述很小的概率情况,其他情况都能达到线性;在平均情况下,任何顺序统计量都可以在线性时间Θ(n)内得到。
实现代码(c++):
3、方法二(改进):最坏情况线性时间的选择
相比于上面的随机选择,我们有另一种类似的算法,它在最坏情况下也能达到O(n)。它也是基于数组的划分操作,而且利用特殊的手段保证每次划分两边的子数组都比较平衡;与上面算法不同之处是:本算法不是随机选择主元,而是采取一种特殊的方法选择“中位数”,这样能使子数组比较平衡,避免了上述的最坏情况(Ө(n^2))。选出主元后,后面的处理和上述算法一致。
那么问题又来了,这种特殊的手段是什么呢?
如上图所示:
1) 将输入数组的n个元素划分为n/5组,每组(上图中的每列为一组)5个元素,且至多只有一个组有剩下的n%5个元素组成
2) 首先对每组中的元素(5个)进行插入排序,然后从排序后的序列中选择出中位数(图中黄色数)。
3) 对第2步中找出的n/5个中位数,递归调用SELECT以找出其中位数x(图中红色数)。(如果有偶数个中位数取较小的中位数)
这三个步骤就可以选出一个很好的主元,下面的处理和方法一一致(递归)
OK! 下面是完整的算法步骤:
1) 将输入数组的n个元素划分为n/5组,每组(上图中的每列为一组)5个元素,且至多只有一个组有剩下的n%5个元素组成
2) 首先对每组中的元素(5个)进行插入排序,然后从排序后的序列中选择出中位数(图中黄色数)。
3) 对第2步中找出的n/5个中位数,递归调用SELECT以找出其中位数x(图中红色数)。(如果有偶数个中位数取较小的中位数)
4) 调用PARTITION过程,按照中位数x对输入数组进行划分。确定中位数x的位置k。
5) 如果i=k,则返回x。否则,如果i<k,则在地区间递归调用SELECT以找出第i小的元素,若干i>k,则在高区找第(i-k)个最小元素。
大致伪码:
1 WorseLinearSelect(vector<T> &A,int p,int q,int k) 2 { 3 // 将输入数组的n个元素划分为n/5(上取整)组,每组5个元素, 4 // 且至多只有一个组有剩下的n%5个元素组成。 5 if (p==q) return A[p]; 6 7 int len=q-p+1; 8 int medianCount=1; 9 if (len>5) 10 medianCount = len%5 >0 ? len/5 + 1 : len/5; 11 vector<T> medians(medianCount);//存放每组的中位数 12 13 // 寻找每个组的中位数。首先对每组中的元素(至多为5个)进行插入排序, 14 // 然后从排序后的序列中选择出中位数。 15 int m=p; 16 for (int j=0,m=p;j<medianCount-1;j++) 17 { 18 medians[j] = GetMedian(A,m,m+4); 19 m+=5; 20 } 21 medians[medianCount-1] = GetMedian(A,m,q); 22 //对第2步中找出的n/5(上取整)个中位数,递归调用SELECT以找出其中位数pivot。 23 //(如果是偶数去下中位数) 24 int pivot = WorseLinearSelect(medians,0,medianCount-1,(medianCount+1)/2); 25 //调用PARTITION过程,按照中位数pivot对输入数组进行划分。确定中位数pivot的位置r。 26 int r = partitionWithPivot(A,p,q,pivot); 27 int num = r-p+1; 28 //如果num=k,则返回pivot。否则,如果k<num,则在地区间递归调用SELECT以找出第k小的元素, 29 //若干k>num,则在高区找第(k-num)个最小元素。 30 if(num==k) return pivot; 31 else if (num>k) return WorseLinearSelect(A,p,r-1,k); 32 else return WorseLinearSelect(A,r+1,q,k-num); 33 }
该算法在最坏情况下运行时间为Θ(n)
代码实现(c++):
4、完整测试代码(c++)
Select.h
main.cpp
5、参考资料
【1】http://blog.csdn.net/xyd0512/article/details/8279371
【2】http://blog.chinaunix.net/uid-26822401-id-3163058.html
【3】http://www.tuicool.com/articles/mqQBfm
【4】http://www.cnblogs.com/Anker/archive/2013/01/25/2877311.html