选择问题之特定分治策略

选择第k小元素

设 L 是 n 个元素的集合，从 L 中选取第 k 小的元素，其中 1<=k<=n.这里
的第 k 小元素是指，当 L 按从小到大排好序之后，排在第 k 个位置的元素。

算法思想

解决该问题用到的是分治思想。
下面引用老师的分析

---

算法思想：

• k=|S1|+1,m*就是所要找的第k小的数;以m为划分标准后，比m小的有|S1|个，如果恰巧，k=|S1|+1,则m就是所要找到第k小的数
• k<=|S1|，归约为在S1中找第k1小的子问题，k1在子问题中的相对位置不变，即k1=k；
• k>|S1|+1，归约为在S2中找k2位置的子问题，k2相对于S2子问题和k相对于S的关系，即k2=k-|S1|-1。（在S中找k,就是在S2中找k2）
• 

核心伪代码

int Select(int A[], int left, int right, int k)
{
	int p = right - left;//计算数组大小
	if (p < 5)//规模小，直接排序
	{
		sort(A + left, A + right);
		return A[left + k - 1];
	}
	int q = p / 5;//分为q组
	int* M = new int[q];
	for (遍历分组)
	{	//排序后得到中位数
	}
	//对中位数数组进行排序得到Mid
	for (遍历数组)
	{
		if (元素小于mid)
			存入A1数组
		else if (元素等于Mid)
			存入A2
		else//其余情况
			存入A3
	}
	if (若小于mid的数超过k个)
		return Select(A1, 0, count1, k);
	if (若小于mid的数加上等于mid的数超过k个)
		return Mid;
	//其余情况
	return Select(A3, 0, count3, k - count1 - count2);
}

算法分析

下面引用老师的分析

---

• 假设n是5的倍数，且n/5是奇数，即n/5=2r+1，于是又|A|=|D|=2r，|B|=|C|=3r+2，n=10r+5。

• 如果A，D的元素都小于m*，那么它们都加入至S1中，且下一步算法又在这个子问题上递归调用，这对应了归约后子问题的规模的上界，也正好是时间复杂度最坏的情况。

• 子问题规模为：|A|+|C|+|D|=7r+2=7*(n−5)/10 + 2=7*(n/10)−1.5<7*n/10
  表明子问题规模不超过原问题规模的7/10
  W(n)<=W(n/5)+W(7n/10)+tn

  其中，W(n/5)为查找m* 的时间，总规模 n 中选出 n/5 个数来找中位数
  tn 是构造中位数集合，以及A & D和m* 进行比较的时间开销，t 是某个常数
  
  W(n)<=tn+0.9tn+(0.9^2)tn+…=tn(1+0.9+0.92+…)=O(n)

所以最后推导出算法时间复杂度为O(n)