确定性RS算法-D-RS算法

上篇博客我们分析了RS算法的复杂度。我们发现只要我们选择的pivot足够好，该算法的平均复杂度是线性的。那么我们就会考虑，我们有没有办法改进一下RS呢，让我们的算法的复杂度就是。于是就有了今天要讨论的这个算法D-RS。

其实D-RS算法核心就是改进了RS算法的pivot的选择方式，保证了我们每一次都能选择到足够好的一个pivot。

老规矩，我们先给出D-RS算法的流程：

1. 先将数组分成5个元素一组，共计n/5个小组。

2. 对这n/5个小组进行排序，并求出其对应的中位数，, k代表第k个小组

3. 选出上述n/5 个中位数的中位数，这一步可以迭代使用RS(   ，n/5， median)算法,为了方便我们用代表，作为我们的最终的pivot

4. 将原数组根据分成两部分，一部分都比小，另一部分都比大，同时假设第一部分得元素个数为j-1。

5. if j>i, return RS(1st part of A, j-1, i);

6 if j<i, return RS(2nd part of A, n-j, i-j);

7. if j=i, return p

 可以看到，相较于RS算法，D-RS算法就是多了1-3步，主要就是给出了一种确定性方法挑选pivot。 首先第2步中，我们对长度为5得数组排序等操作都能再常数时间内完成，因此复杂都为,由于有n/5个这样得组，因此消耗得复杂度都为。和第4步得复杂度都保持一致。

而第3步由于递归调用RS算法，因此复杂度为。关键是第5步或者第6步得复杂度都为多少。

lemma 1：使用为pivot，第5或6步得输入规模至少下降30%，小于。

Proof: 我们可以将数组按如下方式排列：

 

 我们可以看到，红色部分得元素都比要小，而蓝色部分得元素都比大，注意这里得中位数们都是按照升序排列过的。

绿色椭圆内元素得个数必然为,而红色部分，或者蓝色部分至少也有绿色部分得一半，即。因此，至少输入规模下降30%。

所以整体算法得复杂都为

这个复杂度得式子没办法直接使用master method，因此子任务规模不一样。因此，我们证明该复杂度式子是,数学归纳法。

n=1时，显然T(1)必然时常数。

设，n=k>1时， T(n) = cn。

,证毕。

到这里，我们也填上了快速排序那里得一个坑，即中位数能够再线性时间复杂度内找到，快速排序可以一定得到得复杂度。