算法导论 2-1

最新推荐文章于 2021-02-20 18:51:33 发布

newdye

最新推荐文章于 2021-02-20 18:51:33 发布

阅读量1.1k

点赞数 1

分类专栏：算法文章标签：算法导论第二章

本文链接：https://blog.csdn.net/newdye/article/details/8921597

版权

算法专栏收录该内容

75 篇文章 4 订阅

订阅专栏

题目

尽管合并排序的最坏情况运行时间为 $\Theta{(n\lg{n}})}$ ，插入排序的最坏情况运行时间为 $\Theta{(n^2)}$ ，但插入排序中的常数因子使得它在n较小时，运行得要更快一些。因此，在合并排序算法中，当子问题足够小时，采用插入排序就比较合适了。考虑对合并排序做这样的修改，即采用插入排序策略，对n/k个长度为k的子序列表进行排序，然后，再用标准的合并机制将它们合并起来，此处k是一个待定的值。
a）证明在最坏情况下，n/k个子列表（每一个子列表的长度为k）可以用插入排序在 $\Theta{(nk)}$ 时间内完成排序。
b）证明这些子列表可以在 $\Theta{(n\lg{(n/k)})}$ 最坏情况时间内完成合并。
c）如果已知修改后的合并排序算法的最坏情况运行时间为 $\Theta{(nk+n\lg{(n/k)}})}$ ，要使修改后的算法具有与标准合并排序算法一样的渐近运行时间，k的最大渐近值（即 $\Theta$ 形式）是什么（以n的函数形式表示）？
d）在实践中，k的值应该如何选取？

分析

问题a

证明：因为插入排序的最坏情况运行时间为 $\Theta{(n^2)}$
所以对于规模为k的输入，最坏情况运行时间为 $\Theta{(k^{2})}$
又因为有n/k个这样的序列，也就是对n/k个这样的序列调用合并排序过程，最坏情况运行时间就是 $(n/k)\Theta{(k^2)}$ ，即 $\Theta{(n/k)}$

问题b

证明：	既是证明使用插入排序的合并排序的合并步骤的运行时间画出递归树可以看到这颗树的深度为 $\lg(n/k)}$ 每一层的规模都是n，所以对每一层调用MERGE过程的最坏情况运行时间都是 $\Theta{(n)}$ 所以，对于 $\lg(n/k)}$ 层的树，最坏情况运行时间总共为 $\Theta{(n\lg(n/k))}}$

问题c

因为nk + nlg(n/k)=nk + nlgn - nlgk，又因为k小于等于n，所以nlgk一定小于nlgn，所以nlgk 比nlgn的阶数小，所以 $\Theta{(nk+nlg(n/k)}$ = $\Theta{(nk+n\lg{n})}$ 。
如果k大于lgn，则nk>nlgn，那么nk+nlgn的阶数就高于nlgn，所以k的最大渐近值为 $\Theta{(\lg{n})}$

问题d

如问题c的分析，实践中需要使用插入排序的合并排序快于合并排序，k应取 $\Theta{(\lg{n})}$

伪代码

INSERTION-MERGE-SORT(a, p, r, k)
if p < r
then q <- (r - q)/2
if q - p <= k
then INSERTION-SORT(a, p, q)
INSERTION-SORT(a, q+1, r)
else INSERTION-MERGE-SORT(a, p, q, k)
INSERTION-MERGE-SORT(a, q+1, r, k)
MERGE(a, p, q, r)

Python代码实现

def insertion_merge_sort(a, p, r, k):
    if p < r:
        q = (r - p) / 2
        if q - p <= k:
            insertion_sort(a, p, q)
            insertion_sort(a, q+1, r)
        else:
            insertion_merge_sort(a, p, q, k)
            insertion_merge_sort(a, q+1, r, k)
        merge(a, p, q, r)