问题的关键在于不能使用除法运算。。。只能用乘法。。
B[i]=A[1]*A[2]*...*A[n]/A[i]=A[1]*A[2]*...*A[i-1]*A[i+1]*...*A[n]
分解开来,也就是分别计算
A[1]*A[2]*...*A[i-1]
A[i+1]*...*A[n]
再把两者乘。
设置两个缓存数组M和N,一个保存前n项乘积,一个保存后n项乘积
M:A[1],A[1]*A[2],A[1]*A[2]*A[3],......,A[1]*..*A[n]
N:A[1]*...*A[n],.....,A[n-2]*A[n-1]*A[n],A[n-1]*A[n],A[n]
计算M时间复杂度为O(n),计算N时间复杂度为O(n),计算B时间复杂度为O(n)
三个加起来O(3n)
在最坏情况下,同时找到n个数字中的最大值和最小值需要 3/2n-2 次比较。
找到 最大值 需要比较 n-1 次
找到 最小值 需要比较 n-1 次
同时找到 最大值 和 最小值 需要 2n-2 次
找到 最大值 的比较次数已经是最少的,已经不能再减少;找最小值也一样的,那该怎么减少呢?
问题的关键在于两者的结合,也就是要同时。对任意一个元素,它不可能同时为最大值和最小值。
在同时找到最大值和最小值时,每个元素都参与了与最大值和最小值的比较,比较了两次。将数组成对处理。两两互相比较,将大的与最大值比较,小的与最小值比较。每两个元素需要的比较次数是,两两比较一次,大者与最大值比较一次,小者与最小值比较一次,共三次。
蓄水池算法
问题描述
要求从N个元素中随机的抽取k个元素,其中N无法确定(N是个流,可能无穷大)。
这种应用的场景一般是数据流的情况下,由于数据只能被读取一次,而且数据量很大,并不能全部保存,因此数据量N是无法在抽样开始时确定的;但又要保持随机性,于是有了这个问题。所以搜索网站有时候会问这样的问题。
这里的核心问题就是“随机”,怎么才能是随机的抽取元素呢?我们设想,买彩票的时候,由于所有彩票的中奖概率都是一样的,所以我们才是“随机的”买彩票。那么要使抽取数据也随机,必须使每一个数据被抽样出来的概率都一样。
解决方案
解决方案就是蓄水库抽样(reservoid sampling)。主要思想就是保持一个集合(这个集合中的每个数字出现),作为蓄水池,依次遍历所有数据的时候以一定概率替换这个蓄水池中的数字。
1、程序的开始就是把前k个元素都放到水库中。
2、从第k+1个开始,以k/i的概率替换掉这个水库中的某一个元素。
算法伪代码
1 | Init : a reservoir with the size: N |
2 | for i= N+1 to M |
3 | k=random(1, i); |
4 | if ( M < N) |
5 | SWAP the kth value and ith value(替换先前抽样的k-库) |
6 | end for |
应用场景
1、扫描一遍大日志文件,从中随机取出若干条日志用于分析