【scau算法分析设计|整理】线性时间选择（找第k小/大数)

k：找第k小的元素

 

一、一般线性时间选择问题

（1） 排序法

通常算法：排序；找第k小的数（但是会冗余）

 

（2） 堆+部分排序

意思：不构成完全堆，指利用其中一部分。

    建最小堆，然后弹堆顶k次。

优点：比数组好，经得起反复找。

缺点：空间消耗大。

时间复杂度：O(n+k*logn)。【当k很小，就约等于线性效率】

 

（3） 堆（O(nlogk)）【好方法——

把前k小的元素放入堆（最大堆）中，则堆顶为第k小的数。

优点：堆的空间很小。

最详细的堆排序---排序算法，思路清晰动图讲解，五分钟搞懂！_Steve韩峰的博客-CSDN博客_堆排序动图

 

 （4） 快速选择（O(n)）

 在最坏情况下，算法randomizedSelect需要O(n2)计算时间。

但只要适当选择基准值，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。

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

二、不一般的中位数选择问题

快速选择的优化。

Type Select(Type a[], int p, int r, int k)
{
      if (r-p<75) {
        //用某个简单排序算法对数组a[p:r]排序;
        return a[p+k-1];
        };
      for ( int i = 0; i<=(r-p-4)/5; i++ )
         //将a[p+5*i]至a[p+5*i+4]的第3小元素
         //与a[p+i]交换位置;
      //找中位数的中位数，r-p-4即上面所说的n-5
      Type x = Select(a, p, p+(r-p-4)/5, (r-p-4)/10);
      int i=Partition(a,p,r, x),
      j=i-p+1;
      if (k<=j) return Select(a,p,i,k);
      else return Select(a,i+1,r,k-j);
}

算法：线性时间选择(C/C++)_yanhua_tj的博客-CSDN博客Description给定线性序集中n个元素和一个整数k，n<=2000000，1<=k<=n，要求找出这n个元素中第k小的数。Input第一行有两个正整数n,k.接下来是n个整数（0<=ai<=1e9）。Output输出第k小的数Sample Input6 31 3 5 2 4 6Sample Output3利用快速排序可以找出第k小的，加上随机函数改进一下：AC代码：#include <cstdio>#include <chttps://blog.csdn.net/qq_42898536/article/details/108837974?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163377761216780261940267%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=163377761216780261940267&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_click~default-2-108837974.first_rank_v2_pc_rank_v29&utm_term=%E7%BA%BF%E6%80%A7%E6%97%B6%E9%97%B4%E9%80%89%E6%8B%A9&spm=1018.2226.3001.4187