算法导论第二章思考题参考答案(3)

 题目

---

---

---

 解答

 Problem 2-1

 a.

        插入排序对长度为k的单个列表进行排序的时间为Θ(k^2)，因此，n/k个列表的时间为Θ(n*k^2/k) = Θ(n*k)。
b.

        假设我们的粗糙度为k，这意味着我们可以开始使用通常的归并过程，除了从每个数组的大小最多为k的级别开始。这意味着归并树的深度为lg(n)−lg(k) = lg(n/k)。每一级归并仍然是cn，所以把它们放在一起，归并需要时间Θ(n*lg (n/k))
c.

        将k看作n的函数，只要k(n)∈O(lg(n))，它具有相同的渐近性。特别地，对于任意常数k，渐近值都是相同的。
d.

        如果我们使用微积分技巧优化前面的表达式来得到k，我们有c1*n - n*c2/k = 0，其中c1和c2是n*k和n*lg(n/k)的系数，隐藏在渐近符号中。特别地，选择常数k是最优的。在实际操作中，我们可以找到k的最佳选择只要在n足够大的情况下尝试和计时不同的值。

---

 Problem 2-2

 1.  

        我们需要证明A'包含与A相同的元素，这很容易被认为是正确的，因为我们对A所做的唯一修改是交换它的元素，因此生成的数组必须包含原始数组中元素的重新排列。
2.  

        第2行到第4行中的for循环维护以下循环不变量:在每次迭代开始时，A的最小元素的位置[i...n]，在第一次迭代之前，这显然是正确的，因为任何元素的位置最多为A.length。为了确保每次迭代都保持循环不变性，假设j = k和A中最小元素的位置[i...n]最大等于k，然后将A[k]与A[k−1]进行比较。如果A[k] < A[k−1]，则A[k−1]不是A[i...n]中最小的元素。所以当我们交换A[k]和A[k−1]时，我们知道A[i]中最小的元素。A[i...n]必须出现在子数组的前k−1个位置，保持不变。另一方面，如果A[k]≥A[k−1]，则最小元素不可能是A[k]。由于我们什么都不做，我们可以得出最小元素的位置最多为k−1。终止后，A的最小元素A[i…n]在第i位。
3.

        第1行到第4行中的for循环保持了以下循环不变式:在每次迭代开始时，子数组A[1...i−1]包含了A中最小的i−1个元素。在第一次迭代i = 1之前，A的前0个元素进行平凡排序。为了确保每次迭代都保持循环不变式，固定i并假设A[1...i−1]包含了A中最小的i−1个元素。

        然后在第2行到第4行中运行循环。我们在b部分展示了当循环结束时，A中最小的元素A[i…n]。由于A中最小的i - 1个元素已经在A[1...i-1]，则A[i]一定是A的第i个最小元素，因此A[1...i]包含A中最小的i个元素，按顺序排序，保持循环不变性。终止后，A[1...n]包含A的n个元素，按所需排序。
4.

        第1行到第4行for循环的第i次迭代将导致第2行到第4行for循环的n - i次迭代，每次迭代的执行时间都是恒定的，所以最坏的运行时间是Θ(n^2)。这和插入排序是一样的;然而，冒泡排序的最佳运行时间为Θ(n^2)，而插入排序的最佳运行时间为Θ(n)。

---

 Problem 2-3

a.如果我们假设所有算术都可以在常量时间内完成，那么由于循环被执行n次，它的运行时间为Θ(n)。

b.

这段代码的运行时间是Θ(n^2)因为它要计算x的每一次幂，这比霍纳法则要慢。

c.

最初，i = n，因此求和的上界为 -1，因此求和的结果为0，即y的值。为了保存，假设对于i为真，则:

在结束时，i = 0，所以和为n - 1，所以最后一次执行循环体得到我们想要的最终结果。

d.我们刚刚证明了算法计算。这是多项式在x处的值。

---

 Problem 2-4

a.五个逆序对为(2,1),(3,1),(8,6),(8,1),(6,1)。

b.有着最多逆序对的n个元素的数组为<n,n-1,...,2,1>。它有n-1 + n-2 + ... + 2 + 1 = n* (n-1) /2个逆序对。

c.

        插入排序的运行时间是逆序次数的常数倍。设I(i)表示使 A[j] > A[i] 的 j < i 的个数。那么等于A中的反转次数。现在考虑插入排序算法第5-7行上的while循环。对于A中索引小于j且大于A[j]的每个元素，循环将执行一次。因此，它将执行I(j)次。对于for循环的每次迭代，我们都会到达这个while循环，所以插入排序的常数时间步长是这正好是A的逆序对数量。

d.

        我们将我们的算法命名为M.Merge-Sort，即修改归并排序。 除了对A排序之外，它还会跟踪反转的次数。算法的工作原理如下。当我们调用M.Merge-Sort(A,p,q)时，它会对A[p...q]并返回A[p...q]中元素的反转次数。q]，所以 left 和 right 跟踪形式(i, j)的反转次数，其中i和j都在A的同一半。当调用M.Merge(A,p,q,r)时，它返回形式(i, j)的反转次数，其中i在数组的前一半，j在数组的后一半。把这些加起来就得到了a中的反转的总次数。运行时间和归并排序是一样的，因为我们只是在一些迭代中添加了一个额外的常数时间操作循环。因为归并是Θ(n * log n)，这个算法也是。

本文译自Michelle Bodnar与Andrew Lohr两位大牛