算法导论 CLRS 2.3-7 2-2

2.3 - 7
其实这道星号题的思路已经在前面几个习题中给了提示。
思路是先用merge sort对数组升序排列，然后进行binary search即可, 时间复杂度为$\T(n)=\Theta(n\log{n}+\log{n})=\theta(n\log{n})$
算法分析如下：

设二叉搜索下边界为$low$,上边界为$high$,中间index为$mid$。
则每次迭代后，待搜索区域为$S_{sorted}[low...high]$（loop invariant）。
针对loop invariant, 对算法的三个阶段进行分析验证：
1. Initialization: after MERGE-SORT

$$S_{sorted}[low...high]， low=1，high=S.length$$
此时loop invariant为待搜索区域，初始条件正确。
2. Maintenance:
$mid=\lfloor(low+high)/2\rfloor$，每次迭代后，如果未满足终止条件，则有两种情况：
if $S[mid] + S[mid+1] < x: low = mid+1$
else if $S[mid] + S[mid-1] > x: high = mid -1$
迭代后均满足loop invariant保持正确。

1. Termination:
   终止条件有两种情况，一是找到了$sum=x$, 二是没找到。
   if $S[mid]+S[mid+1] == x || s[mid]+s[mid-1] == x$ return YES
   if $low>high$ return NIL

感觉书上介绍的initialize-maintence-terminate分析方法很好用，用这个方法分析迭代算法感觉条理很清晰，边界问题也容易想清楚。根据分析结果来写代码感觉6了很多。

思考题 2-1
这题是将merge sort和insert sort综合起来了，题设是把数组分成k长度的sublist时开始用insert sort排序，最后merge。a.b.c很简单，纯粹数学题而已，这里想记录一下我自己对d小问的想法，问题如下：
d. How should we choose k in practice?
自己实在资质愚钝，一开始没什么想法，只是感觉应该选一个小一点的k。后来上网查，看到有人说选insert sort排序时间比merge sort排序时间小的最大k值即可。

乍看感觉很有道理，似乎取了一个最优值，但是细想，觉得不对。从降低running time的角度出发，k值的选取应该是让running time最小。因此，直觉上，感觉k值的选取应该是insert sort排序这个sublist时能够比merge sort省最多的时间，也就是尽量选取靠近${k_{Tmax}|T=T_{insert}-T_{merge}}$的k值. 这个k值不会是insert sort比merge sort时间小的最大k值，因为此时insert sort和merge sort所花费的时间已经相差无几。