算法：线性时间选择

9-29算法实验报告

1. 随机时间选择-求算法复杂度

给定线性序集中n个元素和一个整数k，1≤k≤n，要求找出这n个元素中第k小的元素

template<class Type>
Type RandomizedSelect(Type a[],int low,int high,int k)
{
      if (low==k) return a[p];
      int i=RandomizedPartition(a,low,high),
      j=i-low+1;
      if (k<=j) return RandomizedSelect(a,low,i,k);
      else return RandomizedSelect(a,i+1,high,k-j);
}

在最坏情况下，算法randomizedSelect需要O(n2)计算时间

但可以证明，算法randomizedSelect可以在O(n)平均时间内找出n个输入元素中的第k小元素。现求该算法的时间复杂度。

解：

设 T(n) 为RandomizedSelect 算法在输入 a[p…r] 时的运行时间。

又因为该算法为随机算法，所以 T(n) 为随机变量。

RandomizedPartition 以等概率返回任一元素作枢纽元素。因此，对于满足 1 <= i <= n 的每个 i，子数组 a[p…i]有 i 个元素都小于等于枢纽元素的概率为 1/n。对于 i = 1,2…n ，定义随机变量 Xi
X i = { 子 数 组 a [ p . . . r ] 只 有 i 个 元 素 且 E [ X i ] = 1 n } X_i = \{子数组a[p...r] 只有 i 个元素 且 E[X_i]=\frac{1}{n}\} Xi​={ 子数组a[p...r]只有i个元素且E[Xi​]=n1​}
假设 T (n) 单调递增，分析在最大可能输入的情况下递归调用所用的时间，即得到一个上界。第 k 个元素总是在具有最大个数的那个划分中。对于给定的调用RandomizedSelect，指示器随机变量 Xi 在只有一个 i 值时为 1；其他所有 i 值时则为 0。当 Xi=1 时，设递归调用的两个子数组大小分别为 i-1 和 n-i 。因此，递归方程为
$$\begin{gathered} T(n)\le \sum _{i=1}^n{X}_i(T(max(i-1,n-i))+O(n)) \\ =\sum _{i=1}^n(X_i\ast T(max(i-1,n-i))+O(n)) \end{gathered}$$
两边同时取期望，得：
$$\begin{gathered} E[T(n)]\le E[\sum _{i=1}^n(X_i\ast T(max(i-1,n-i))+O(n))] \\ =\sum _{i=1}^n \end{gathered}$$