个人主页:丷从心·
系列专栏:分治算法
学习指南:算法学习指南
问题描述
- 给定线性序集中 n n n个元素和一个整数 k ( 1 ≤ k ≤ n ) k (1 \leq k \leq n) k(1≤k≤n),找出这 n n n个元素中第 k k k小的元素
随机选择算法
Python实现
import random
def partition(nums, left, right):
pivot_index = random.randint(left, right)
pivot = nums[pivot_index]
# 将 pivot 元素移动到列表的最右边
nums[pivot_index], nums[right] = nums[right], nums[pivot_index]
# 通过交换操作, 将小于 pivot 的元素移动到左边, 大于 pivot 的元素移动到右边
i = left
for j in range(left, right):
if nums[j] < pivot:
nums[i], nums[j] = nums[j], nums[i]
i += 1
# 将 pivot 元素放置到正确的位置
nums[i], nums[right] = nums[right], nums[i]
return i
def quick_select(nums, left, right, k):
if left == right:
return nums[left]
# 划分数组, 并获取 pivot 元素的索引
pivot_index = partition(nums, left, right)
j = pivot_index - left + 1
if k == j:
# 如果 pivot 元素的索引等于 k, 则返回该元素
return nums[pivot_index]
elif k < j:
# 如果 pivot 元素的索引大于 k, 则在左侧继续查找
return quick_select(nums, left, pivot_index - 1, k)
else:
# 如果 pivot 元素的索引小于 k, 则在右侧继续查找
return quick_select(nums, pivot_index + 1, right, k - j)
def find_kth_smallest(nums, k):
if k < 1 or k > len(nums):
raise ValueError('Invalid value of k')
return quick_select(nums, 0, len(nums) - 1, k)
nums = [3, 1, 5, 2, 4]
k = 2
res = find_kth_smallest(nums, k)
print(f'第 {k} 小的元素为 {res}')
第 2 小的元素为 2
时间复杂性
- 随机选择算法在最坏情况下需要 Ω ( n 2 ) \Omega(n^{2}) Ω(n2)时间,平均情况下需要 O ( n ) O(n) O(n)时间
BFPRT算法
-
如果能在线性时间内找到一个划分基准,使得按这个基准划分出的两个子数组的长度都最多为原数组长度的 ε \varepsilon ε倍( 0 < ε < 1 0 < \varepsilon < 1 0<ε<1是某个常数),那么在最坏情况下用 O ( n ) O(n) O(n)时间就可以完成选择任务
- 例如,若 ε = 9 / 10 \varepsilon = 9 / 10 ε=9/10,算法递归调用所产生的子数组的长度至少缩短 1 / 10 1 / 10 1/10,所以在最坏情况下,算法所需的计算时间 T ( n ) T(n) T(n)满足递归式 T ( n ) ≤ T ( 9 n / 10 ) + O ( n ) T(n) \leq T(9n / 10) + O(n) T(n)≤T(9n/10)+O(n),由此可得 T ( n ) = O ( n ) T(n) = O(n) T(n)=O(n)
-
将 n n n个输入元素划分成 ⌈ n / 5 ⌉ \left\lceil n / 5 \right\rceil ⌈n/5⌉个组,每组 5 5 5个元素(除可能有一个组不是 5 5 5个元素外),用任意一种排序算法,将每组中的元素排好序,并取出每组的中位数,共 ⌈ n / 5 ⌉ \left\lceil n / 5 \right\rceil ⌈n/5⌉个
-
递归调用找出这 ⌈ n / 5 ⌉ \left\lceil n / 5 \right\rceil ⌈n/5⌉个元素的中位数,如果 ⌈ n / 5 ⌉ \left\lceil n / 5 \right\rceil ⌈n/5⌉是偶数,就找它的两个中位数中较大的一个,然后以这个元素作为划分基准
-
设所有元素互不相同,找出的基准 x x x至少比 3 ⌊ ( n − 5 ) / 10 ⌋ 3 \left\lfloor (n - 5) / 10 \right\rfloor 3⌊(n−5)/10⌋个元素大,至少比 3 ⌊ ( n − 5 ) / 10 ⌋ 3 \left\lfloor (n - 5) / 10 \right\rfloor 3⌊(n−5)/10⌋个元素小,当 n ≥ 75 n \geq 75 n≥75时, 3 ⌊ ( n − 5 ) / 10 ⌋ ≥ n / 4 3 \left\lfloor (n - 5) / 10 \right\rfloor \geq n / 4 3⌊(n−5)/10⌋≥n/4,所以按此基准划分所得的两个子数组的长度都至少缩短 1 / 4 1 / 4 1/4
时间复杂性
- 设对 n n n个元素的数组调用算法需要 T ( n ) T(n) T(n)时间
- 找中位数的中位数 x x x最多用 T ( n / 5 ) T(n / 5) T(n/5)时间
- 按照算法所选的基准 x x x进行划分所得的两个子数组分别最多有 3 n / 4 3n / 4 3n/4个元素,无论对哪一个子数组调用算法都最多用 T ( 3 n / 4 ) T(3n / 4) T(3n/4)时间
T ( n ) ≤ { C 1 , n < 75 C 2 n + T ( n / 5 ) + T ( 3 n / 4 ) , n ≥ 75 T(n) \leq \begin{cases} C_{1} , & n < 75 \\ C_{2} n + T(n / 5) + T(3n / 4) , & n \geq 75 \end{cases} T(n)≤{C1,C2n+T(n/5)+T(3n/4),n<75n≥75
T ( n ) = O ( n ) T(n) = O(n) T(n)=O(n)
Python实现
import statistics
def find_median_of_medians(arr):
# 将数组划分为大小为 5 的子数组
sublists = [arr[i:i + 5] for i in range(0, len(arr), 5)]
# 计算每个子数组的中位数
medians = [statistics.median(sublist) for sublist in sublists]
# 如果元素数量小于等于 5, 直接返回中位数
if len(medians) <= 5:
return statistics.median(medians)
# 递归调用中位数的中位数算法
return find_median_of_medians(medians)
def linear_time_select(arr, k):
# 找到中位数的中位数
median_of_medians = find_median_of_medians(arr)
# 将数组划分为三个部分
less = [x for x in arr if x < median_of_medians]
equal = [x for x in arr if x == median_of_medians]
greater = [x for x in arr if x > median_of_medians]
# 根据划分后的数组长度选择下一步操作
if k <= len(less):
# 在较小的部分递归查找第 k 小元素
return linear_time_select(less, k)
elif k <= len(less) + len(equal):
# 第 k 小元素等于中位数的中位数
return median_of_medians
else:
# 在较大的部分递归查找第 k 小元素
return linear_time_select(greater, k - len(less) - len(equal))
nums = [3, 1, 5, 2, 4]
k = 2
res = linear_time_select(nums, k)
print(f'第 {k} 小的元素为 {res}')
第 2 小的元素为 2