寻找数组中第k小的数:平均情况下时间复杂度为O(n)的快速选择算法

又叫线性选择算法,这是一种平均情况下时间复杂度为O(n)的快速选择算法,用到的是快速排序中的第一步,将第一个数作为中枢,使大于它的所有数放到它右边,小于它的所有数放到它左边。之后比较该中枢的最后位置i与k的大小,若i比k小,说明第k小的元素在i的右半段,之后对i的右半段进行快速选择;若i比k大,说明第k小的元素在i的左半段,之后对i的左半段进行快速选择;若i正好等于k,则直接返回......。

下面是具体的算法步骤:

1,选择中枢:如下,为了提高快速选择的效率,最好尽可能的选择数值居中的数作为中枢。如1 7 2 8 4 3,则取头尾以及中间位置,然后选择(1, 2, 3)中的2

int median3(int nums[], int left, int right){
	int center = (left + right) / 2;
	if(nums[left] > nums[center])
		swap(nums[left], nums[center]);
	if(nums[left] > nums[right])
		swap(nums[left], nums[right]);
	if(nums[center] > nums[right])
		swap(nums[center], nums[right]);//此时nums[left] <= nums[center] <= nums[right]
	swap(nums[center], nums[right-1]);//交换中枢和a[right-1],此时上面三个值的居中的数在下标right-1处,然后返回中枢,由于a[right]必定比中枢大,故只需对区间[left, right-1]以中枢a[right-1]进行一次快速排序即可。
	return nums[right-1];
}

2,对区间[left, right-1]以中枢nums[right-1]进行一次快速排序,之后大于nums[right-1]的数全在它的右边,小于nums[right-1]的数全在它的左边

int pivot = nums[right-1], i = left, j = right-1;
while(i < j){
	while(nums[i] < pivot && i < j) ++i;
	nums[j] = nums[i];
	while(nums[j] >= pivot && i < j) --j;
	nums[i] = nums[j];
}
nums[i] = pivot;

3,比较i和k的大小:若求序列中的第k大的数,现在由步骤2已经知道一次选择排序后的中枢下标为i,说明前面i个数比pivot大,后面right-i个数比pivot大。
如果k < i,说明第k大的数在前面i个数中;如果k > i,说明第k大的数在后面的right-i中;如果i==k,直接返回答案。对于前两种情况只需要对pivot的左半段或者右半段中寻找即可,即:

if(k < i)
	QuickSelect(nums, k, 0, i-1);
else if(k > i)
	QuickSelect(nums, k, i+1, right);
else
	return nums[i];

完整代码如下:

#include <iostream>
using namespace std;
int median3(int nums[], int left, int right){
	int center = (left + right) / 2;
	if(nums[left] > nums[center])
		swap(nums[left], nums[center]);
	if(nums[left] > nums[right])
		swap(nums[left], nums[right]);
	if(nums[center] > nums[right])
		swap(nums[center], nums[right]);//此时nums[left] <= nums[center] <= nums[right]
	swap(nums[center], nums[right-1]);//交换中枢和a[right-1],此时上面三个值的居中的数在下标right-1处,然后返回中枢,由于a[right]必定比中枢大,故只需对区间[left, right-1]以中枢a[right-1]进行一次快速排序即可。
	return nums[right-1];
}

int QuickSelect(int nums[], int k, int left, int right){
	int pivot = median3(nums, left, right), i = left, j = right-1;
	while(i < j){
		while(nums[i] < pivot && i < j) ++i;
		nums[j] = nums[i];
		while(nums[j] >= pivot && i < j) --j;
		nums[i] = nums[j];
	}
	nums[i] = pivot;
	if(k < i)
		QuickSelect(nums, k, 0, i-1);
	else if(k > i)
		QuickSelect(nums, k, i+1, right);
	else
		return nums[i];
}

int main(){
	int k, nums[12] = {4, 5, 23, 12, 89, 20, 14, 23, 54, 66, 47, 23};
	while(cin >> k)
		cout << QuickSelect(nums, k-1, 0, 11) << endl;//第k大的数下标应为k-1
	return 0;
}

运行结果如下:



时间复杂度:每次尽可能的遍历数组的一半,故平均情况下的时间复杂度为O(n/2) + O(n/4) + O(n/8) + ... +O(1) = O(n)

  • 4
    点赞
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我可以回答这个问题。这个问题可以使用二分查找算法来解决。首先,我们将两个数组合并成一个有序数组,然后找到间的位置,如果数组长度为奇数,则位数为间位置的元素,如果数组长度为偶数,则位数为间两个位置的元素的平均值。这个算法时间复杂度为 O(log (m n))。以下是代码示例: ``` function findMedianSortedArrays(nums1, nums2) { const m = nums1.length; const n = nums2.length; if (m > n) { return findMedianSortedArrays(nums2, nums1); } let iMin = ; let iMax = m; while (iMin <= iMax) { const i = Math.floor((iMin + iMax) / 2); const j = Math.floor((m + n + 1) / 2) - i; if (j !== && i !== m && nums2[j - 1] > nums1[i]) { iMin = i + 1; } else if (i !== && j !== n && nums1[i - 1] > nums2[j]) { iMax = i - 1; } else { let maxLeft = ; if (i === ) { maxLeft = nums2[j - 1]; } else if (j === ) { maxLeft = nums1[i - 1]; } else { maxLeft = Math.max(nums1[i - 1], nums2[j - 1]); } if ((m + n) % 2 === 1) { return maxLeft; } let minRight = ; if (i === m) { minRight = nums2[j]; } else if (j === n) { minRight = nums1[i]; } else { minRight = Math.min(nums1[i], nums2[j]); } return (maxLeft + minRight) / 2; } } } ``` ### 回答2: 要编写一个从两个正序数组寻找位数的算法,可以使用以下思路: 1. 创建一个辅助函数,用于找到排序数组第k小的元素。该函数的时间复杂度应为O(log(n)),其n是数组的长度。 2. 定义一个新的辅助函数,用于找到两个数组位数。该函数的时间复杂度应为O(log(mn)),其m和n分别是两个数组的长度。 3. 在新的辅助函数,首先计算两个数组的总长度totalLength。 4. 根据totalLength的奇偶性判断位数的位置。 5. 如果totalLength为奇数,位数的位置为(totalLength + 1) / 2;如果totalLength为偶数,位数的位置为(totalLength / 2)和(totalLength / 2) + 1。 6. 使用辅助函数找到第k小的元素,其k为计算得出的位数的位置。 7. 根据数组的长度和位置判断第k小的元素应来自哪个数组。 8. 根据第k小的元素和数组的长度,找到第k+1小的元素。 9. 如果totalLength为奇数,则位数为第k小的元素;如果totalLength为偶数,则位数为第k小和第k+1小的元素的平均值。 下面是使用JavaScript编写的示例代码: ```javascript function findKthElement(nums1, nums2, k) { let m = nums1.length, n = nums2.length; if (m > n) { // 保证数组1的长度小于等于数组2的长度 [nums1, nums2] = [nums2, nums1]; [m, n] = [n, m]; } if (m === 0) { return nums2[k - 1]; } if (k === 1) { return Math.min(nums1[0], nums2[0]); } let i = Math.min(m, Math.floor(k / 2)); let j = Math.min(n, Math.floor(k / 2)); if (nums1[i - 1] > nums2[j - 1]) { return findKthElement(nums1, nums2.slice(j), k - j); } else { return findKthElement(nums1.slice(i), nums2, k - i); } } function findMedianSortedArrays(nums1, nums2) { let totalLength = nums1.length + nums2.length; if (totalLength % 2 === 1) { // 奇数 return findKthElement(nums1, nums2, Math.floor(totalLength / 2) + 1); } else { // 偶数 let left = findKthElement(nums1, nums2, Math.floor(totalLength / 2)); let right = findKthElement(nums1, nums2, Math.floor(totalLength / 2) + 1); return (left + right) / 2; } } // 测试样例 let nums1 = [1, 3, 5, 7]; let nums2 = [2, 4, 6, 8]; console.log(findMedianSortedArrays(nums1, nums2)); // 输出 4.5 ``` 这个算法时间复杂度为O(log(mn)),其m和n分别为两个数组的长度。最坏情况下,算法需要进行O(log(m + n))次递归调用。 ### 回答3: 要用 JavaScript 实现一个对两个正序数组查找位数的算法,可以采用二分查找的方法,以保证算法时间复杂度为 O(log(mn))。 首先,我们需要将两个正序数组合并,并按照升序排列。可以使用 JavaScript 的 concat() 方法将两个数组合并,再使用 sort() 方法按照升序排列。 接下来,为了找到位数,我们需要知道合并后数组的长度。可以使用 JavaScript 的 length 属性获取数组的长度。假设合并后数组的长度为 length。 如果 length 为偶数,则位数为合并后数组的第 length / 2 项与第 length / 2 + 1 项的平均值。 如果 length 为奇数,则位数为合并后数组的第 (length + 1) / 2 项。 代码示例如下: ``` function findMedian(nums1, nums2) { let mergedArray = nums1.concat(nums2).sort((a, b) => a - b); let length = mergedArray.length; if (length % 2 === 0) { return (mergedArray[length / 2 - 1] + mergedArray[length / 2]) / 2; } else { return mergedArray[(length + 1) / 2 - 1]; } } ``` 其,nums1 和 nums2 分别为两个正序数组。 以上就是用 JavaScript 编写的从两个正序数组寻找位数的算法

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值