算法复习——分而治之篇之次序选择问题

算法复习——分而治之篇之次序选择问题

以下内容主要参考中国大学MOOC《算法设计与分析》，墙裂推荐希望入门算法的童鞋学习！

1. 问题背景

最小值查找：

• 例如给定数组$A[1..16]$，寻找其中最小值，如下图所示。

  

• 依次扫描，记录最小值

  

  那么，对问题稍加改变，如何求得数组中第$k$小的元素？

2. 问题定义

次序选择问题（Selection Problem）

输入：

• 包含$n$个不同元素的数组$A[1..n]$
• 整数$k(1\le k\le n)$

输出：

• 数组$A[1..n]$中第$k$小的元素$(1\le k\le n)$

3. 排序求解

​ 对数组排序，求得所有元素的次序，就很容易得到第$k$小的元素，时间复杂度是$O(nlogn)$。

​ 但这似乎不是最好的算法，因为我们只想要第$k$小的元素；但是排序把所有第$k$小的都得到了，这似乎是没有必要的，浪费了时间复杂度。

4. 问题分析

​ 受启发于快速排序的数组划分。其中，我们的任务是用分界线分割数组，分界线左边的元素都比它小，右边的元素都比它大；但是，左边无需排序，右边也无需排序。

​ 如果我们想求得的第$k$个元素恰恰就落在分界线上，则直接获得结果；如果不能，就需要略作修改。

5. 固定位置划分求解

5.1 原理

• 选取固定位置主元，小于主元的元素个数$q-p$

• 情况1：$k=q-p+1$，$A[q]$为数组第$k$小元素
• 情况2：$k<q-p+1$，在$A[p..q-1]$中寻找第$k$小元素
• 情况3：$k>q-p+1$，在$A[q+1..r]$中寻找第$k-(q-p+1)$小元素

​ 相比于其他分而治之的问题，在次序选择问题中，子问题始终唯一且无需合并问题解。

5.2 伪代码

固定位置划分：Partition(A, p, r)

输入：数组A，起始位置p，终止位置r

输出：划分位置q

x ← A[r]
i ← p - 1
for j ← p to r-1 dp
	if A[j] <= x then
		exchange A[i+1] with A[j]
		i ← i + 1
	end
end
exchange A[i+1] with A[r]
q ← i + 1
return q

固定位置次序选择：Selection(A, p, r, k)

输入：数组A，起始位置p，终止位置r，元素次序k

输出：第k小元素x

q ← Partition(A, p, r)
if k = (q - p + 1) then
	x ← A[q]
end
if k < (q - p + 1) then
	x ← Selection(A, p, q-1, k)
end
if k > (q - p + 1) then
	x ← Selection(A, q+1, r, k-(q-p+1))
end
return x

5.3 时间复杂度分析

最好情况：$T(n)=O(n)$

最坏情况：$T(n)={\sum }_{i=1}^{n}i\le n^2=O(n^2)$，如下图所示。

6. 随机位置划分求解

6.1 伪代码

随机位置划分：Randomized-Partition(A, p, r)

输入：数组A，起始位置p，终止位置r

输出：划分位置q

s ← Random(p, r)
exchange A[s] with A[r]
q ← Partition(A, p, r)
return q

随机位置次序选择：Randomized-Selection(A, p, r, k)

输入：数组A，起始位置p，终止位置r，元素次序k

输出：第k小元素x

q ← Randomized-Partition(A, p, r)
if k = (q - p + 1) then
	x ← A[q]
end
if k < (q - p + 1) then
	x ← Randomized-Selection(A, p, q-1, k)
end
if k > (q - p + 1) then
	x ← Randomized-Selection(A, q+1, r, k-(q-p+1))
end
return x

6.2 期望时间复杂度分析

​ 使用代入法，可证明随机位置次序选择的期望时间复杂度是$O(n)$。