算法入门:最少比较次数求最大/最小/第二大元素

本文将解决三个问题:
input:A[1……n] 包含n个数字

output:
- A的最大值max
- A的最大值max和最小值min
- A的最大值max和第二大值

要求:比较的次数尽可能少


1.最大元素

如果使用排序的话,常见排序中比较快的有快速排序O(nlogn)。但是显然做一个线性遍历更加快。linear scan的时间复杂度为O(n) 。

max = A[1];
for i=2 to n
    if max < A[i]
    max = A[i];
return max


2.最大元素和最小元素

值得注意的是这里要求的是比较次数尽可能少,如果做两次linear scan的话是需要2n次比较的,如果使用下面这种方法的话可以将比较次数降低至3/2n。


                
  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 假设有 $n$ 个元素最大元素为 $M$,最小元素为 $m$。下面分别计算最大元素最小元素的平均比较次数最大元素的平均比较次数: - 如果最大元素在第一次比较中被找到,则只需要一次比较。概率为 $\frac{1}{n}$。 - 如果最大元素第二比较中被找到,则需要一次比较找到次大元素,再一次比较找到最大元素。概率为 $\frac{n-1}{n} \times \frac{1}{n-1} = \frac{1}{n}$。 - 如果最大元素在第三次比较中被找到,则需要两次比较找到次大元素,再一次比较找到最大元素。概率为 $\frac{n-1}{n} \times \frac{n-2}{n-1} \times \frac{1}{n-2} = \frac{1}{n}$。 - 以此类推,直到最大元素在第 $n$ 次比较中被找到,则需要 $n-1$ 次比较找到次大元素,再一次比较找到最大元素。概率为 $\frac{n-1}{n} \times \frac{n-2}{n-1} \times \cdots \times \frac{1}{2} \times \frac{1}{1} = \frac{1}{n}$。 因此,最大元素的平均比较次数为: $$ \frac{1}{n} \times 1 + \frac{1}{n} \times 2 + \cdots + \frac{1}{n} \times n = \frac{1}{n} \times \frac{n(n+1)}{2} = \frac{n+1}{2} $$ 最小元素的平均比较次数: - 如果最小元素在第一次比较中被找到,则只需要一次比较。概率为 $\frac{1}{n}$。 - 如果最小元素第二比较中被找到,则需要一次比较找到次小元素,再一次比较找到最小元素。概率为 $\frac{n-1}{n} \times \frac{1}{n-1} = \frac{1}{n}$。 - 如果最小元素在第三次比较中被找到,则需要两次比较找到次小元素,再一次比较找到最小元素。概率为 $\frac{n-1}{n} \times \frac{n-2}{n-1} \times \frac{1}{n-2} = \frac{1}{n}$。 - 以此类推,直到最小元素在第 $n$ 次比较中被找到,则需要 $n-1$ 次比较找到次小元素,再一次比较找到最小元素。概率为 $\frac{n-1}{n} \times \frac{n-2}{n-1} \times \cdots \times \frac{1}{2} \times \frac{1}{1} = \frac{1}{n}$。 因此,最小元素的平均比较次数为: $$ \frac{1}{n} \times 1 + \frac{1}{n} \times 2 + \cdots + \frac{1}{n} \times n = \frac{1}{n} \times \frac{n(n+1)}{2} = \frac{n+1}{2} $$ 综上,最大最小元素的平均比较次数均为 $\frac{n+1}{2}$。 ### 回答2: 统计最大最小元素的平均比较次数是指在一个统计任务中,对于一个含有n个元素据集进行最大最小元素的操作,平均比较这两个元素次数。 对于最大元素的平均比较次数来说,假设我们使用一种简单的遍历算法。首先将第一个元素作为当前最大元素,然后从第二元素开始与当前最大元素进行比较。如果当前元素最大元素大,则将当前元素更新为最大元素。以此类推,直到遍历完整个据集,最后得到最大元素。在这个过程中,每次比较都要进行一次操作,比较次数为n-1。因此,最大元素的平均比较次数为(n-1)/2。 对于最小元素的平均比较次数来说,也可以使用相同的遍历算法。首先将第一个元素作为当前最小元素,然后从第二元素开始与当前最小元素进行比较。如果当前元素最小元素小,则将当前元素更新为最小元素。以此类推,直到遍历完整个据集,最后得到最小元素。同样地,每次比较都要进行一次操作,比较次数为n-1。因此,最小元素的平均比较次数也为(n-1)/2。 综上所述,统计最大最小元素的平均比较次数为(n-1)/2。这个结果是基于最简单的遍历算法得出的,在实际应用中可能会使用更优化的算法来提高效率。 ### 回答3: 统计最大最小元素的平均比较次数是一种通过统计分析来确定最大最小元素比较次数的方法。假设我们有一个包含n个元素的集合,我们想要找到这个集合中的最大最小元素,那么我们可以使用不同的算法来完成这个任务,如线性搜索、排序等。 统计最大最小元素的平均比较次数的思路是,我们通过对不同算法进行多次运行,记录每次算法比较次数,并计算平均值。以线性搜索为例,我们可以从集合的第一个元素开始,依次与其他元素进行比较,每次比较次数为1。当我们找到一个更大的元素时,我们更新最大元素,在这个过程中进行了n-1次比较。同样的,当我们找到一个更小的元素时,我们更新最小元素,同样进行了n-1次比较。所以最大元素的平均比较次数为(n-1)/2,最小元素的平均比较次数也为(n-1)/2。 当然,不同的算法可能会有不同的平均比较次数,例如,使用排序算法能够更高效地找到最大最小元素,因为排序可以使元素按顺序排列,从而减少比较次数。因此,在实际应用中,我们可以比较不同算法的平均比较次数,选择最优算法最大最小元素,以提高效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值