译自Michelle Bodnar与Andrew Lohr两位大牛
答案网址在CLRS Solutions
https://sites.math.rutgers.edu/~ajl213/CLRS/CLRS.html
目录
译自Michelle Bodnar与Andrew Lohr两位大牛
问题2.1
解答
Exercise 2.1-1
Exercise 2.1-2
Exercise 2.1-3
在循环体的每次迭代中，进入循环体时的不变量是不存在索引 k < j，因此A[k] = v。为了继续循环的下一次迭代，我们需要对于当前的j值，我们不需要A[j] = v。如果循环在第5行退出，那么我们就在前一行的i中放置了一个可接受的值。如果通过耗尽j的所有可能值来退出循环，那么我们知道不存在值为j的索引，因此在i中保留NIL是正确的。
Exercise 2.1-4
问题2.2
解答
Exercise 2.2-2
输入:一个n元素的数组A。
输出:数组A的元素按递增顺序重新排列。选择排序的循环不变量如下:在第1到第10行for循环的每次迭代中，子数组A[1...i−1]按递增顺序包含A中i−1个最小的元素。经过n−1次循环后，A中最小的n−1个元素按递增顺序位于A的前n−1个位置，因此第n个元素必然是最大的元素。因此，我们不需要最后一次运行循环。选择排序的最佳情况和最坏情况运行时间为Θ(n^2)。这是因为无论元素最初是如何排列的，在主for循环的第i次迭代时，算法总是检查剩余的n - i个元素中的每一个，以找到剩余的最小的元素。
Exercise 2.2-3
假设每一项都有一个固定的概率p成为要找的元素。在本解答的末尾给出了对这个问题的另一种解释。然后，如果前k−1个位置不是要查找的元素，并且第k个位置是期望的值，我们将只检查k个元素。这意味着走k步的概率是p*(1−p)^k。最后一种可能性是，数组中没有一个元素与我们正在寻找的匹配，在这种情况下，我们查看所有A.length多个位置，并且它发生的概率为(1−p)。通过将每种情况下的步数乘以这种情况发生的概率，我们得到期望值:
最坏的情况显然是如果你要检查所有可能的位置，在这种情况下，它将花费正好A.length的步骤，所以它是Θ(A.length)现在，我们分析平均情况下的渐近行为。考虑以下操作，首先，我们将单求和重写为双求和，然后两次使用几何求和公式。
因此，由于我们以一个常数为上下边界，我们得到了一个有点不直观的结果，即期望运行时间作为a .length的函数，其中p保持常数为Θ(1)。
另一种解释这个问题的方法是数组中只有一个元素是你要找的，然后每个位置都有可能包含这个元素。在这种情况下，最坏情况的行为是不变的，而预期的运行时是
这使得期望情况的渐近值Θ(A.length)。
Exercise 2.2-4
为了获得最佳运行时间，修改算法，首先随机产生输出，然后检查它是否满足算法的目标。如果是，则产生此输出并停止。否则，请照常运行算法。这不太可能成功，但在最好的情况下，运行时间将仅与检查解决方案所需的时间相同。例如，我们可以修改选择排序，首先随机排列A中的元素，然后检查它们是否按有序顺序排列。如果是，则输出a，否则像往常一样运行选择排序。在最好的情况下，这个修改后的算法的运行时间为Θ(n)。
问题2.3
解答
Exercise 2.3-1
Exercise 2.3-2
下面是MERGE的重写，避免了使用哨兵。与MERGE非常相似，它首先将A的子数组复制到数组L和R中。在从第13行开始的while循环的每次迭代中，它从L或R中选择下一个最小的元素放入A中。如果L或R中的元素耗尽，则停止，此时它将其他子数组的剩余部分复制到A的剩余位置。
Exercise 2.3-3
Exercise 2.3-4
设T(n)表示对大小为n的数组进行插入排序的运行时间。我们可以递归地将T(n)表示为
其中I(n)表示将A[n]插入已排序数组A[1...n-1]所花费的时间。因为一旦我们找到插入A[n]的正确位置，我们可能需要移动多达n - 1个元素，我们有I(n) = θ(n)。
下面的递归算法在调用a = 1和b = n时给出了期望的结果。
注意，初始调用应该是BinSearch(1, n, v)。每次调用都会导致固定数量的操作加上对问题实例的调用，其中数量b−a至少下降了两倍。因此，运行时间满足递归式T(n) = T(n/2) + c，因此，T(n)∈Θ(lg(n))。
Exercise 2.3-6
二分搜索不会改善最坏情况下的运行时间。插入排序必须将每个大于key的元素复制到数组中相邻的位置。进行二分查找会告诉我们需要复制多少个元素，但不会消除需要进行的复制。
Exercise 2.3-7
我们可以看到while循环最多运行O(n)次，因为j - i从n - 1开始，每一步都减少。此外，由于代码体只包含一定量的工作，所以所有第2-15行只需要O(n)时间。因此，运行时主要是执行排序的时间，即Θ(n*lg(n))。
我们将用相互归纳法来证明其正确性。设mi,j是命题A[i] + A[j] < S, Mi,j是命题A[i] + A[j] > S。请注意，因为数组是有序的，mi,j⇒∀k < j, mi,k, and Mi,j⇒∀k > i, Mk,j。显然，我们的程序只会在存在有效的i和j的情况下输出true。现在，假设我们的程序输出false，即使没有考虑到a [i] + a [j] = s的i, j。如果我们有i > j，那么交换这两个，和不会改变，所以，假设i≤j，我们现在有两种情况:
情况1∃k，(i, k)被考虑，且j < k。在这种情况下，我们取最小的这样的k，这个非零的事实意味着在考虑它之后，我们马上考虑(i+1,k)这意味着mi,k这意味着mi,j
情形2∃k，(k, j)是考虑的并且k < i，在这种情况下，我们取最大的k，事实是非零的，这意味着在考虑它之后，我们立即考虑(k,j-1)这意味着Mk,j这意味着Mi,j
注意，这两种情况中的一种必须为真，因为所考虑的点集将{(m, m0): m≤m0 < n}分隔为至多两个区域。如果您在包含(1,1)(如果非空)的区域中，则属于情形1。如果你在包含(n, n)(如果非空)的区域，那么你就在情况2中。
4594
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
