算法：选择问题——求无序数组在有序情况下第i个元素

一 、引入

1 . 求无序数组最大值 和最小值 复杂度O（n）
2. 求无序数值中值？
——一般性问题 求无序数组第i小的元素

二、解决方案

1. 通过一般排序得到一个有序序列，取第i个元素

分析：最好的基于比较的排序——快排 时间复杂度Onlog(n)

2. 计数排序思想

（1）思想：
借助辅助数组C[array.max],统计array数组每个元素的个数，并存入C数组，满足C[i]为array中值为i的元素个数
从左往右遍历C数组，统计非零c数组元素的个数和记为sum，当sum>=i时输出下标并跳出遍历
（2）伪代码
select(array[])
{
C[array.max]={0} //初始统计数组值为0
for(j=0;j<array.length;j++)
C[array[j]]=array[j] //统计array每个元素的个数
sum=0 //sum 表示小于等于array[j]的个数
for(j=0；j<array.max;j++)
｛
sum+=c[j]
if(sum>=i)
return j
｝
}
（2） 分析时间和空间
时间复杂度 O(n) 空间复杂度O(max(array))，适合数组元素不是很大的情况，能有效减小空间复杂度，但当数组某个元素值很大的时候非常浪费空间。

3 桶排序思想

（1）思想：
求出数组的最大值和最小值，求其差值，计算桶的区间长度（(max-min)/n）
将数组元素映射到对应的桶区间(桶的结构是单链表)
从前往后统计非空桶的元素个数，判断得到第i个元素所在的桶的位置
对当前桶进行插入排序 取第i个元素即得。
（2）伪代码
BucketSelect(array,i)
{
min=Min(array)
max=Max(array)
step=(max-min)/array.legth
for(j=0;j<array.length;j++)
{
b[k]<-a[j] //k满足 k*step<a[j]<(k+1)step,将数组元素映射到相应的桶里 b的每个桶是一个链表
}
count=0
for(j=0;j<array.length+1;j++)
{
if(i<count) //找到包含第i小的元素的桶 b[j]
break;
if(b[j].lenth!=0)
count+=b[j].length
}
对b[j]内部进行插入排序，排序后取第i-(count-b[j].length)个元素。
}
（3）分析：空间复杂度：O(n)
时间复杂度：最优 O(n) 无须排序的情况
最差O(nn) n-1个元素落到同一个桶里的情况
平均 O(n) (n个元素映射到n个桶里，平均一个桶里一个，排序复杂度O(1),粗暴的分析，正确性不是很确定，欢迎指正)
空间和时间复杂度在一定程度上能得到改善

4 分治思路

（1）思路
使用快排的随机划分思想将数组划分为两个区间，第一次划分中a[low,q-1]<a[q]<a[q+1,high]
由于一次划分能够确定一个元素的最终位置，即a[q]的最终位置为q+1
比较i和q+1，若i=q+1 则a[q]即为所求答案
若i<q+1 则在a[q]的左边查找第i小的元素
若i>q+1 则在a[q]的右边查找第i-(q+1)小的元素
（2）伪代码
randomSelect(array,low,high,i)
{
If(low=high)
Return array[low] //数组长度为1时，无需再划分直接返回
q<- randomDevide(array,low,high)
k <-q-low+1 左区间长度+1
if(k=i)
return array[q]
else
if(i<k)
return selectIth(array,low,q-1,i) //左区间查找
else
return selectIth(array,q+1,high,i-k) //右区间查找
}
（3）分析
时间复杂度O(n) 空间复杂度O(n)
时间复杂度的证明：
设high-low+1=n，将随机选择算法所需时间看做随机变量T(n)。随机划分在n个元素中选择任何一个元素作为划分元素的可能性相等。所以，对于1～n之间的每一个k，子区间A[p…q]有k个小于等于划分元的概率是1/n（k是A[p…q]的长度，即划分元是n个元素中第k个最小元）
求E(T(n))的上界：
假定T(n)单调增，故可认为递归调用总是发生在较大的子区间上，即：要找的ith最小元总是落在较大的子区间中

也许还有其他时间和空间复杂度都比较好的算法，欢迎补充
注：以上算法证明部分摘自MIT 算法导论第2版 ppt 9.1章