MIT算法导论学习笔记-Lecture4 分治法(续)

第四讲:分治法(续)

4.1 快速排序(Quicksort)

         1这是一种分治法实现

         2这是原地(“in place”)排序，即不需要额外的存储空间

         3该算法很实用

算法步骤：

—Devide，把输入序列分成两个子序列，左边的子序列小于等于pivot，右边的序列大于pivot，即如下图：

—Conquer，递归地用上述方法对两个子序列进行排序；

—Combine，trivial(无足轻重)，因为是已经排列好了的。

Merge Sort本质上是递归地Merging，而Quicksort本质上是递归地Partitioning(分成子序列)

关键步骤：划分(Partitioning)
伪代码：

对于n个元素的划分的时间复杂度为：

         T(n) = Theta(n)，即是线性时间复杂度

那么，有了划分的子程序，分别对两个子序列进行递归调用即可，Quicksort的伪代码实现为：

上述是一种尾递归方法，可以使用一些尾递归方法对其做优化(关于递归，在《算法精解C语言描述》里有一章专门讲述基础，有兴趣的可以去参考下)；对其可以做小的改进，但是核心思想不变。

代码实现：可以参照此前的一篇文章，《六种排序算法分析及C语言实现》。

http://blog.csdn.net/ai552368625/article/details/37904631

4.2 算法分析

4.2.1Worst-Case 分析

什么情况会出现Worst-Case呢？？？

当输入的序列是有序的，或者逆序的时候，即划分的一边一直是没有元素。原因是，此时：

上面的解，可以用递归树来验证，从上到下的每一层分别是n，n-1，…，Theta(1)，

4.2.2 Best-Case 分析

该分析只为直观理解，因为大多数的情况下，我们并不关心最好的情况，因为这根本无法保证算法的性能。

        第一种情况： 假设每一次划分都能把序列分成n/2:n/2，即每次都能将序列对半分，此时：

                   T(n)= 2T(n/2) + Theta(n) = Theta(nlgn)

         这与归并排序的时间复杂度相同。

         第二种情况：假设每一次划分都是将序列的长度分为1/10:9/10，此时：

                   T(n)= T(n/10) + T(9n/10) + Theta(n) = Theta(nlgn)

具体的推导，请参照视频或者课件，这里给出按递归树推导的最后一步，如下图

上图中需要注意的是，每一个分支的深度是不同的，e.g.，一直按1/10展开的路径是log10(n)，而一直按9/10展开的路径深度是log(10/9)(n)，那么由此即可以得到T(n)的上下界，都为

         T(n)= Theta(nlgn)

我们将Theta(n^2)的情况当做unlucky情况，而把Theta(nlgn)的情况当做lucky情况，一个更一般的假设是，这两种情况交替出现时结果是什么？？？

4.2.3 交替情况分析

Lucky情况时，时间复杂度为：

 L(n)= 2U(n/2) + Theta(n)

Unlucky情况时，时间复杂度为：

U(n)= L(n-1) + Theta(n)

用代入法很容易解决，即：

 L(n)= 2(L(n/2 - 1) + Theta(n/2) ) + Theta(n)

 =2L(n/2 - 1) + Theta(n)

=Theta(nlgn)  <—Lucky

即，在二者交替出现时，结果仍然是最好的情况，那么怎么样保证结果一直是好的呢？？？

随机快排法：

——序列随机化

——随机选择pivot

视频中给出了随机pivot的分析，运用了一点统计的知识，这里不再给出证明，其结果是证明了其运行时间的期望为：

         E[T(n)]<= anlg(n)，即其时间复杂度仍然是Theta(nlgn)