排序之五(顺序统计、中位数法)

         作为排序的一个扩展，给定一个含n个元素的无序数组，求第k小的数。

         K取特殊值：如1或n，这时为求最小或最大值。只需要扫描一遍数组，记录下小的或大的数，只需要n-1次比较即可。如果要同时求最大和最小值，则一个方法可以先求最大，再求最小，可以在2*（n-1）比较解决；另一个方法是每次处理两个元素，先新的两个元素比较，再将大的和当前最大值比较，小的和当前最小值比较，这样每2个元素只需要3次比较，总比较次数为3*[n/2]，比方法一比较次数少。

         最大值和最小值都可以在O(n)的时间内解决。因此引出任何k，是否也可以在O(n)解决？答案是肯定的，可以。

1.        顺序统计

顺序统计是从无序的n个元素的数组中找出第i小的数。

方法：

排序法：先排序最好O(nlgn)，再选第k个元素。时间为O(nlgn)。

随机算法：使用快速排序的思想，将数进行划分，与快排不同，划分后只需要处理一边，不需要处理两边。

算法通过使用随机化快排的划分函数来进行选择。Select（A，p，r，i）。返回A中p到r之间第i大的。

随机化划分的主元下标为q。如果主元的位置k(q-p+1)和i相同，则主元为所求。否则如果i小于k则，第i大的在左边，且仍未第i大的，继续Select(A，p，q-1，i)；否则第i大的在右边，且为第i-k大的，继续Select（A，q+1，r，i-k）。

复杂度分析：

空间为：O(1).

时间：和快排一样。最差情况，每次划分主元为剩下元素中的最大值，则为O(n^2)。

但是由于算法是随机的，因此没有那种特殊输入会导致最坏情况发生。平均的时间复杂度，使用和随机化快排相同的思路，使用示性函数可以求解。为O(n)。

从而对任何的k值，期望时间都为O(n)。

2.        中位数法

由随机化算法。时间复杂度最坏有可能为O(n^2)，虽然平均为O(n)。因此等于O（n）。

中位数法则在最坏情况下限定任何i小的统计，时间都为O(n)。

中位数法：

²  将元素按五行进行排列。最后一列不足不要紧。

²  对每列元素使用插入排序（每列最多5个元素），选出每列的中位数（最多n/5+1个）

²  对这n/5+1个数递归使用前两步。直到找出这n/5+1个数的中位数为止，每列按中位数重新排好后，中位数的中位数x下标为k。

²  使用中间行的n/5+1个数的中位数x（下标为k）对整个数组进行划分，划分为低区和高区。

²  如果i=k则x为k大的。如果i<k，则第i大的在低区，而由划分比k大的部分，其中下部分一定比x大，这部分元素个数约为3*n/10因此递归的对另外7*n/10使用递归算法。反之，i>k，则第i大的在高区，而由划分比k小的部分，其中上部分一定比x小，这部分元素个数也约为3*n/10，因此递归对另外部分7*n/10使用递归算法。从这一步在递归的过程中，子问题规模最多为7*n/10。

复杂度分析：

第1，2，4部分只需要O(n)。第3部分为递归的n/5，第5部分为递归的7*n/10。从而可以归纳证明，时间复杂度为O(n)。从而中位数法的时间为线性的。

 

3.        扩展

²  中位数法中，5行划分的方法对大于5的基数如7也适用。但是其O(n)中的因子比较大。但是对于3行划分，则时间不能提高到O(n)。

²  使用该法，可以将快排的最差时间提高到O（nlgn），而不是平均时间为O(nlgn)。方法是先查找出数组中的中位数，时间为O(n)，在以中位数为主元进行划分，这样最坏时间就降为O（nlgn）。

²  K中位数的概念，可以将数组均分为k个大小相等的k-1个值。

²  这部分的思想是基于顺序统计，而不是动态统计的。因此对于第k大的方法，还可以使用堆的做法。

顺序统计和动态统计区别在于，前者是可以对整个数组进行一次处理，且已知数组大小；动态统计则可以先不必知道数组中元素的多少，且数据可能不是一次到达。

重点区别是：静态顺序统计中，数组内容是不会有增加、删除的。动态顺序统计中，元素可能有增减。