算法导论作业2.3

2.3-1

2.3-2

MERGE(A,p,q,r)

n1=q-p+1
n2=r-q
let L[1..n1+1] and R[1..n2+1] be new arrarys
for i=1 to n1
	L[i]=A[p+i-1]
for j=1 to n2
	R[j]=A[q+j]
i=1
j=1
for k=p to r
	if L[i]<=R[j]
		A[k]=L[i]
		i=i+1
		if i>L.length
			A[k:]=R[i:]
	else
		A[k]=R[j]
		j=j+1
		if i>R.length
			A[k:]=L[i:]

2.3-3

证明：
当n=2时
解式为：$T(n)=nlgn=2$
递归式为：$T(n)=2$
假设当n=k时解式与递归式相等，则有：
$$T(n)=klgk=2T(\frac{k}{2})+k$$
当n=2k时（因为n为2的幂，因此这里归纳的一下步骤为2k）：
解式为：
$$\begin{array}{rl}T(n)& =2klg2k\\ & =2k(lg2+lgk)\\ & =2k+2klgk\\ & =4k+4T(\frac{k}{2})\end{array}$$
递归式为：
$$\begin{array}{rl}T(n)& =2T(k)+2k\\ & =2(2T(\frac{k}{2})+k)+2k\\ & =4k+4T(\frac{k}{2})\end{array}$$
即解式跟递归式仍然相等，得证。

2.3-4

设排序A[1…n]最坏运行时间为T(n)，T(n)由两部分组成，一部分是排序A[1…n-1]，另一部分是将A[n]插入到A[1…n-1]，由于是最坏情况，因此要比较n-1次，所以递归表达式为：
$$T(n)=\{\begin{array}{ll}1& \text{n-1}\\ T(n-1)+n-1& \text{n>0}\end{array}$$

2.3-5

问题描述：
A[1:n]为一个有序序列，采用二分查找查找A中与v相等的值。
递归伪代码：

low=1
high=n
func search(low, high):
	mid=(1+n)/2
	if A[mid]>v:
		search(low, mid-1)
	else A[mid]<v
		search(mid+1, high)
	else
		print mid, A[mid]

思考二分查找，设查询A[1…n]的时间为T(n)那么，查询A[1…(1+n)/2]或A[(1+n)/2,n]的时间为T(n/2)，因为长度恰好为其一半，因此二分查找的递归表达式为：T(n)=T(n/2)+a，a为将一个数列等分为两份的操作所用时间（由于都是数组下标操作，因此每一次的操作时间是一样的）。
假设，n为2的幂，并且考虑到最坏情况，那么有：
$$\begin{array}{rl}T(2^k)& =T(2^{k-1})+a\\ & =T(2^{k-2})+2a\\ & ...\\ & =T(1)+ka\end{array}$$
其中T(1)为常数c，将$2^k$代换回n有，$T(n)=c+klgn$，即最坏情况运行时间为$\Theta (lgn)$

2.3-6

二分查找的作用是在$O(lgn)$时间找到某一个元素，或者范围，但是INSERTION-SORT的5~7行的功能是找到，插入，并将数组中元素依次移动。如果插入跟依次移动所花费的时间为常数时间的话，那么就能将最坏情况总运行时间改进到$\Theta (nlgn)$。反之，则不能。

*2.3-7

用暴力破解的方法可以轻易知道其算法时间为$\Theta (n^2)$，即，查找任意两个数字组成的和并与$x$进行对比。
换一种思路，先计算，$d=x-S[i]$，然后通过二分查找查找$d$是否在S内。
计算$d=x-S[i]$需计算n次，后续查找需要lgn次，因此其运行时间为$\Theta (nlgn)$