RS算法复杂度分析

这篇博客我们接着上一篇博客的内容，我们来分析一下RS算法的复杂度。从上篇博客的lemma 1我们看到如果每一次都选择当前集合的中位数作为pivot，则RS算法复杂度为。但是实际上我们随机选择的话并不能保证总是能选到中位数。通常意义上，这样一个pivot被认为足够好，即该pivot落在当前集合的25%-75%之间。

不难发现，如果我们选择了一个足够好的pivot，那么当前的集合在下一次迭代过程中任务规模至少下降25%。所以为了方便起见，我们设为一个代表第j次选到足够好的pivot所需要的随机挑选的次数的随机变量。实际上，我们每次随机挑选，我们的pivot足够好的概率很容易算出来为1/2。

注意，不管我们选择的pivot好不好，实际上计算任务都是会下降的，只是下降的幅度不同而已。但是我们计算复杂度的上界的时候，我们可以做这样的一个假设，就是我们的计算规模只在我们选择的pivot足够好时才下降25%，否则就不变，且这样选择一次的复杂度我们也记录下来。这样我们算出来的复杂度就一定是一个上界。

所以，当我们第j次选到足够好的pivot时，此时的计算规模最多不会超过,而在RS中，我们将输入数据根据pivot分成两部分的时候，消耗的复杂度不超过