算法导论之中位数和顺序统计量（1）

期望为线性时间的选择算法

顾名思义，此算法的期望为线性时间。算法RANDOMIZED-SELECT是以快排为基本模型的。与快排一样，我们依然将输入数组进行递归划分。但是由于本算法的目的是找出数组中第i小的数，因此我们只需要对一边进行处理即可。这一差异体现在算法的时间性能上，快排的期望运行时间是O(nlgn)，而此算法的期望运行时间是O(n)。在算法RANDOMIZED-SELECT中，我们用到了之前第7章快排里面的RANDOMIZED-PATITION算法。

算法RANDOMIZED-SELECT(A,p,r,i) （A是数组名，元素都存放在数组A中，p是数组的首个元素的下标，r是数组的最后一个元素的下标，i就是将要找数组中第i小的元素）的伪代码如下：

RANDOMIZED-SELECT(A,p,r,i)：

if p==r

  return A[p];

q=RANDOMIZED-PATITION(A,p,r);

k=q-p+1;   //计算q的下标，赋值给k,k表示第k小，而q表示是数组中的第q个元素

if i==k    //the point value is the answer

  returnA[q];

else if i<k

  returnRANDOMIZED-SELECT(A,p,q-1,i);

else return RANDOMIZED-SELECT(A,q+1,r,i-k);

经过数学分析和计算，得到算法时间复杂度为O(n)

并且有这样的结论：假设所有元素都是互异的，在期望线性时间内，我们可以找到任意顺序统计量，特别是中位数。

下面附上与本算法相关的第7章的相关算法：

RANDOMIZED-PARTITION(A,p,r)函数:

RANDOMIZED-PARTITION(A,p,r):

If p<r

  q=PARTITION(A,p,r);

  RANDOMIZED-PARTITION(A,p,q-1);

RANDOMIZED-PARTITION(A,q+1,r);

PARTITION(A,p,r)函数：

PARTITION(A,p,r)：

x=A[r];

i=p-1;

for j=p to r-1

  if A[j]<=x

i=i+1;

exchange A[i] with A[j];

exchange A[i+1] with A[r];

return i+1;