Young tableau

大部分的内容来自http://hi.baidu.com/yangchenhao/item/3d0c631200f0b1e75e53b1a7，少部分的内容是自己添加的

首先介绍一下这个数据结构的定义，Young Tableau有一个m*n的矩阵，让后有一数组 a[k],其中 k<=m*n，然后把a[k]中的数填入 m*n的矩阵中，填充规则为（如图1-1）：

1. 每一行每一列都严格单调递增（有其他的版本是递减，其原理相同）。

2. 如果将a[k]中的数填完后，矩阵中仍有空间，则填入 ∞。

 

图1-1

则现在讨论，这个数据结构的几种操作，而在这些操作中，我们会发现堆排序的影子，并且这些操作具有很好的时间复杂度。

 

条件：一个已经建好的杨氏矩阵（Young Tableau）

操作：

【1】 在杨氏矩阵中插入元素x ---- Insert(x) -----bumping算法

【2】 在杨氏矩阵中删除位于 (x, y)位置的元素---- Delete(x, y)

【3】 返回x是否在矩阵中----Find(x)

【4】young matrix数数的问题----Count

【5】young tableau排序问题-----其复杂度需要低于直接的全部排序 mnlog(mn).

其中1-2操作类似于堆的操作，而4操作类似于BST的操作。下面我就用我

自己的理解把这几个操作加以解释。

【1】 插入操作

本操作的时间复杂度为O( n + m ),其操作类似于堆排序的SIFT-UP算法(具体算法见《算法设计技巧与分析》 M.H,Alsuwaiyel著)。它的堆的结构在这里表现为某个元素Y[x, y]下面和右面的两个元素 Y[x, y+1] ,Y[x+1, y]均比Y[x, y]要大。于是其插入算法可以描述为，首先把待插入元素以行为主序置于所有有效数字（除了无穷以外的数）最后面，如将x=2，放入 图1-1的d5的位置，然后执行类似于SIFT-UP的操作，将x与它左边（记为x-l）及上面（记为x-u）的数进行比较，根据比较结果有三种可能的操作：

1：x-u > x且x-u >= x-l 则将x与 x-u进行交换

2：x-l > x且x-l > x-u 则将x与 x-l进行交换

3: x >= x-l且 x > x-u 则x不动，此时已经插入成功

（可以有其他合理的约定）

对例子插入2进行操作如图1-2箭头的操作方向。

图1-2

  由上述的操作知其时间复杂度最大为行列之和，即O(m+n)。

【2】 删除操作

操作类似于插入操作，其时间复杂度也为O(m+n)。其操作类似于堆排序的SIFT-DOWN算法。删除算法可以描述为，首先将删除的位置(x, y)的数字删除，然后调整，把杨氏矩阵中的最大值k（可以行为主序进行搜索到最后）填入到被删除位置，然后让此数与其下面的数(k-d)和右面的数进行(k-r)比较,此时比较结果为两种，因为此时元素一定会下移：

 1：k-d > k-r将k-r和 k进行交换

 2：k-d < k-r将k-d和 k进行交换

举例 删除图1-1的a3位置的元素5如图1-3

图1-3

 由操作知，删除算法时间复杂同样最多为行列之和，即O(m + n)。

   【3】查找算法

   查找算法类似于BST二叉排序树，不过需要在其思想上稍微进行修改，才能满足杨氏矩阵的查找操作，同样利用杨氏矩阵的性质，不过此时应该换一个角度思考问题，因为与BST二叉排序树类比，所以应该从左下角开始看起（如图1-1d1位置），该元素的上面的元素比本身小和右面的元素比本身大，这样就与BST二叉排序树具有相同的性质。所以在查找时从左下角不断的比较，从而最终确定所查找元素位置。

   如查找19，比较顺序如图1-4

 

图1-4

 此算法的时间复杂度同前两个算法，复杂度也是O(m + n)。

【4】young矩阵数数的问题。来自黑书P93.

  定理1：1~n所组成的young table的个数满足如何的递推公式：a(1) = 1 a(2) = 2, a(n) = a(n-1) + (n-1)a(n-2),这个数还等于自可逆的排列数目 

  定理2：钩子公式：对于不同的形状，不同的young tableau的个数为n!除以每个格子的钩子长度(该各自右边的各自数和它上边的格子数之和)+1的积 n!/∏(i+j+1).

转载于:https://www.cnblogs.com/kwill/archive/2013/03/05/2943735.html