【BFPTR】震惊！竟然还有比快速排序更快的算法...

强连通子图

于 2024-04-26 19:53:25 发布

阅读量736

点赞数 34

文章标签：算法排序算法 BFPTR

本文链接：https://blog.csdn.net/weixin_46879314/article/details/138228647

版权

在介绍堆和加强堆的文章中，我们探讨了当有新的元素加入时，如何实时更新前 K 个元素的方法。

（还没学习过的小伙伴赶快关注，在 「堆」 合集里查看哦！）
在这里插入图片描述

今天我们介绍一种新的方法，使用 bfptr 算法求解第 K 小(大) 的数。

BFPTR 算法

BFPRT 是一种 改进版 的 快速排序 算法。

为什么说是改进版的快排呢？简单回顾一下快排的步骤：

随机选择一个元素（或者当前划分的首或尾元素）作为初始的 基准元素 。
遍历每个元素并与基准元素进行比较：

所有比基准值小的元素放在左侧；
所有比基准值大的元素放在右侧；
中间位置是所有与基准元素相等的元素。

对左右两部分分别递归进行快速排序。

其时间复杂度为 $O (Nl o g N)$ ，但最坏情况下的时间复杂度退化为 $O(n^2)$ 。

原因在于如果选择的基准值“太偏”时，两侧未排好的元素数量不均匀，起不到快排的效果，时间复杂度退化为了 $O(n^2)$ 。

因此，选择一个好的基准元素至关重要，BFPRT算法 就是 用来选择一个较好的基准元素，避免最坏情况的产生。

选取原则

将待排序的数组按 5 个元素一组进行分组，最后不足 5 个的也划分到新的一组中。
将每一个小组中的 5 个元素进行排序，并取第 3 个元素（即 5 个元素的中位数）。最后一组若有偶数个元素，取上中位数。
将得到的每组的中位数再次进行排序，取其中位数作为本次划分的基准元素。
选好基准元素后，剩下的步骤同快速排序。

因此，BFPTR 算法又叫做 中位数的中位数算法 ，其实就是对快速排序第一步中 如何选择基准元素 进行了一定的改进和优化，其它步骤与快速排序无任何差别。

提示：对于 5 个元素的排序，选择最简单的插入排序即可。

主要代码

// bfprt 算法
public static void minKth(int[] array, int k) {
    // 拷贝一份，不破坏原有数组
    int[] arr = copyArray(array);
    // 第 k 小的数，下标为 k-1
    int ans = bfprt(arr, 0, arr.length - 1, k - 1);
    System.out.println(ans);
}

// 如果 arr[L..R] 有序时，返回 index 位置上的数
public static int bfprt(int[] arr, int L, int R, int index) {
    if (L == R) {
        return arr[L];
    }
    // 划分 基准元素
    int pivot = medianOfMedians(arr, L, R);
    // 对 pivot 元素进行快排划分
    // 返回等于 pivot 元素的范围下标[L,R]数组
    int[] range = partition(arr, L, R, pivot);
    // 下标index 在 等于 pivot 元素的范围下标[L,R] 中，直接返回
    if (index >= range[0] && index <= range[1]) {
        return arr[index];
    } else if (index < range[0]) {
        // 对左侧继续递归
        return bfprt(arr, L, range[0] - 1, index);
    } else {
        // 对右侧继续递归
        return bfprt(arr, range[1] + 1, R, index);
    }
}

以上部分其实就是改进过后的快速排序代码，无需对所有的元素进行排序，只需对左右其中一侧进行递归排序，直至找到下标 index （即 k-1 下标）元素。

划分代码

// 选择中位数的中位数
public static int medianOfMedians(int[] arr, int L, int R) {
    int size = R - L + 1;
    // 判断是否有不足 5 个为一组的
    int offset = size % 5 == 0 ? 0 : 1;
    int[] mArr = new int[size / 5 + offset];
    // 每 5 个一组的中位数计入mArr中
    for (int team = 0; team < mArr.length; team++) {
        // 计算每组的起始位置
        int teamFirst = L + team * 5;
        // 起始位置teamFirst 到结尾位置teamFirst + 4这一组进行插入排序
        // 若最后不足 5 个了，结尾位置为 R
        mArr[team] = getMedian(arr, teamFirst, Math.min(R, teamFirst + 4));
    }
    // 再求 mArr 的中位数，即 mArr.length / 2 位置上的数是几
    return bfprt(mArr, 0, mArr.length - 1, mArr.length / 2);
}

// 返回排序后的中位数
public static int getMedian(int[] arr, int L, int R) {
    insertionSort(arr, L, R);
    return arr[(L + R) / 2];
}

// 插入排序
public static void insertionSort(int[] arr, int L, int R) {
    for (int i = L + 1; i <= R; i++) {
        for (int j = i - 1; j >= L && arr[j] > arr[j + 1]; j--) {
            swap(arr, j, j + 1);
        }
    }
}