选择问题

选择问题即：寻找N个元素中的第K个最大者。

选择问题的特殊情况是找最大者或最小者，这当然很简单了。还是一个特例找中位数。

《寻找N个元素中的前K个最大者》方法总结是在这里看到的 http://zhangliang008008.blog.163.com/blog/static/25136049200882423842325/，我觉得解法二和解法四用得广泛一些，编程实现了一下。

利用快速排序中的partition操作

经过partition后，pivot左边的序列sa都大于pivot右边的序列sb；

如果|sa|==K或者|sa|==K-1，则数组的前K个元素就是最大的前K个元素，算法终止;

如果|sa|<K-1，则从sb中寻找前K-|sa|-1大的元素;

如果|sa|>K，则从sa中寻找前K大的元素。

一次partition(arr,begin,end)操作的复杂度为end-begin，也就是O(N)，最坏情况下一次partition操作只找到第1大的那个元素，则需要进行K次partition操作，总的复杂度为O(N*K)。平均情况下每次partition都把序列均分两半，需要log(2,K)次partition操作，总的复杂度为O(N*log(2,K))。

?

#include<iostream> #include<cstdlib> #include<ctime> #include<vector> #include<algorithm> using  namespace  std;   /*分割，pivot左边的都比右边的大*/ template < typename  Comparable> int  partition(vector<Comparable> &a, int  left, int  right){      int  begin=left;      int  end=right;      Comparable pivot=a[left];      while (left<right){          while (left<right && a[right]<=pivot)              right--;          a[left]=a[right];          while (left<right && a[left]>=pivot)              left++;          a[right]=a[left];      }      a[left]=pivot;            return  left-begin;  //返回pivot左边的元素个数 }   template < typename  Comparable> void  findKMax(vector<Comparable> &vec, int  left, int  right, int  k){      if (k>right-left+1)          return ;      //由于partition时，总是固定地选取首元素作为轴，所以事先打乱一下顺序比较好，防止算法退化      //random_shuffle(vec.begin()+left,vec.begin()+right);      int  n=partition(vec,left,right);      if (n==k || n==k-1)          return ;      if (n<k-1)          findKMax(vec,left+n+1,right,k-n-1);      else  if (n>k)          findKMax(vec,left,left+n-1,k); }   int  main(){      int  total=5; //原先有5个元素      int  k=3; //选取前3个最大的      srand ( time (0));      vector< int > a(total);      for ( int  i=0;i<a.size();i++)          a[i]= rand ()%100;                for ( int  i=0;i<a.size();i++)          cout<<a[i]<< "\t" ;      cout<<endl;            findKMax(a,0,a.size()-1,k);            for ( int  i=0;i<a.size();i++)          cout<<a[i]<< "\t" ;      cout<<endl;            return  0; }

在选择pivot的时候传统的做法是选第1个元素作为pivot，一种优化的方法是随机选，更好的方法是三元取中法，更更好的方法是取五分化中项的中项，即把序列分为M组，每组5个元素，对每个组进行组内排序得到中项，然后对M个组按中项进行排序，取中间那个组的中项作为pivot。

利用小根堆实现

顺序读取数组中的前K个元素，构建小根堆。小根堆的特点是根元素最小，并且一次调整（deleteMin）操作的时间复杂度为log(2,K)。

接下来从数组中取下一个元素，如果该元素不比堆顶元素大，则丢弃；否则用它替换堆顶元素，然后调整小根堆。

当把数组中的元素全部读出来后，小根堆中保留的就是前K大的元素。

初始建堆操作需要K*log(2,K)--这是最多的操作次数，从数组中读取后N-K个元素和堆顶元素一一比较，最坏的情况是每次都要替换堆顶元素，都要调整小根堆，复杂度为(N-K)*log(2,K)。总的复杂度为O(N*log(2,K))。

?

#include<iostream> #include<cstdlib> #include<ctime> #include<vector> using  namespace  std;   template < typename  Comparable> void  percolate(vector<Comparable> &vec, int  index){      int  i=index;      int  j=2*i+1;      while (j<vec.size()){          if (j<vec.size()-1 && vec[j]>vec[j+1])              j++;          if (vec[i]<vec[j])              break ;          else {              swap(vec[i],vec[j]);              i=j;              j=2*i+1;          }      } }   template < typename  Comparable> void  buildHeap(vector<Comparable> &vec){      int  len=vec.size();      for ( int  i=(len-1)/2;i>=0;i--)          percolate(vec,i); }   int  main(){      srand ( time (0));      vector< int > a(10);    //原先有10个元素      for ( int  i=0;i<a.size();i++)          a[i]= rand ()%100;            vector< int > b(7); //找出a中最大的前7个元素      for ( int  i=0;i<b.size();i++)          b[i]=a[i];            buildHeap(b);      for ( int  i=b.size();i<a.size();i++){          if (a[i]>b[0]){              b[0]=a[i];              percolate(b,0);          }      }            vector< int >::iterator iter=a.begin();      while (iter!=a.end()){          cout<<*iter<< "\t" ;          iter++;      }      cout<<endl;      iter=b.begin();      while (iter!=b.end()){          cout<<*iter<< "\t" ;          iter++;      }      cout<<endl;            return  0; }

用partition方法时需要知道总元素个数N，且内存中要能够容下这么多元素，而使用堆就完全没有这些限制了，堆的大小是K，内存中只要能容下这个堆就可以了。

原文来自:博客园（华夏35度）http://www.cnblogs.com/zhangchaoyang 作者:Orisun