[导入][原]算法设计与分析1 - 主元素

最新推荐文章于 2019-02-07 22:40:50 发布

wintys

最新推荐文章于 2019-02-07 22:40:50 发布

阅读量292

点赞数

分类专栏： Algorithm 文章标签：算法 XML Exchange J# Blog

Algorithm 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

一、主元素问题

设 T[0..n-1] 是 n 个元素的数组。对任一元素 x ，设 S(x)={i|T[i]=x} 。当 |S(x)|>n/2 时，称 x 为 T 的主元素。

1) 如果 T 中元素存在序关系，按分治策略设计并实现一个线性时间算法，确定 T[0..n-1] 是否有一个主元素。

2) 若 T 中元素不存在序关系，只能测试任意两个元素是否相等，试设计并实现一个 O(nlogn) 有效算法，确定 T 是否有一个主元素。进一步，能找到一个线性时间算法吗？

注：实现的算法要求列出足够的实验结果。

1) 基于分治法的线性时间求主元素算法

■  算法思想

中位数：数列排序后位于最中间的那个数。如果一个数列有主元素 , 那么必然是其中位数。求一个数列有没有主元素，只要看中位数是不是主元素。

找中位数的方法 : 选择一个元素作为划分起点，然后用快速排序的方法将小于它的移动到左边，大于它的移动到右边。这样就将元素划分为两个部分。此时，划分元素所在位置为 k 。如果 k>n/2 ，那么继续用同样的方法在左边部分找；如果 k<n/2 就在右边部分找； k=n/2 就找到了中位元素。

根据快速排序的思想，可以在平均时间复杂度为 O(n) 的时间内找出一个数列的中位数。然后再用 O(n) 的时间检查它是否是主元素。

■  算法实现

对应的 Java 程序在 MajorElement.java 中

----------------------------------------------------------------------------------------

判断是否是主元素的伪代码 :

master(A):

len ← length[A]

median ← randomizedSelect(A , 0 , n - 1 , n/2); ▹ 求中位数

cnt ← 0

▹ 计算中位数出现次数

for i ← 0 to len – 1

do if A[i] = median

then cnt ← cnt + 1

if cnt > n/2

then print " 主元素 :" +median + " 出现次数 :" + cnt

else print " 无主元素 "

----------------------------------------------------------------------------------------

找一个序列中第 k 大的数伪代码

randomizedSelect(A , p , q , k):

r ← randomizedPartition (p , q) ▹ 找出划分元素 r

if r = k

then return A[r]

else if r > k

then randomizedSelect(A , p , r – 1, k)

else randomizedSelect(A , r + 1 , q , k)

----------------------------------------------------------------------------------------

实现随机划分的伪代码 :

randomizedPartition(A , p , q ):
rand ← random(p , q)

exchange A[rand] ↔A[q]

return partition(p , q)

----------------------------------------------------------------------------------------

基于快速排序思想的划分伪代码 :

partition(A , p , q ):

pivot ← A[q]

i ← p – 1

for j ← p to q – 1

do if A[j] <= pivot

then i ← i + 1

exchange A[i] ↔ A[j]

exchange A[i + 1] ↔ A[q]

return i + 1

----------------------------------------------------------------------------------------

■  时间复杂度分析

master() 中求中位数可以在平均时间复杂度为 O(n) 的时间内完成 , 检查中位数是否是主元素耗时 O(n), 所以时间复杂度为 O(n) 。

2) 无序关系时求主元素的 O(nlgn) 的算法

■  算法思想

若 T 中存在主元素，则将 T 分为两部分后， T 的主元素也必为两部分中至少一部分的主元素，因此可用分治法。

将元素划分为两部分，递归地检查两部分有无主元素。算法如下：

a. 若 T 只含一个元素，则此元素就是主元素，返回此数。

b. 将 T 分为两部分 T1 和 T2 （二者元素个数相等或只差一个），分别递归调用此方法求其主元素 m1 和 m2 。

c. 若 m1 和 m2 都存在且相等，则这个数就是 T 的主元素，返回此数。

d. 若 m1 和 m2 都存在且不等，则分别检查这两个数是否为 T 的主元素，若有则返回此数，若无则返回空值。

e. 若 m1 和 m2 只有一个存在，则检查这个数是否为 T 的主元素，若是则返回此数，若否就返回空值。

f. 若 m1 和 m2 都不存在，则 T 无主元素，返回空值。

■  算法实现

相应的 Java 程序在 MasterElement.java 中

-----------------------------------------------------------------------------------------

O(nlgn) 的算法伪代码 :

▹求 T[p..q] 中的主元素。返回主元素及其出现次数或空 ( 表示无主元素 )

CheckMaster(T , p , q):

if p ← q

then return T[p] and 1

len ← q – p + 1

r ← p + len / 2

a and numa ← CheckMaster(T , p , r – 1)

b and numb ← CheckMaster(T , r , q)

if a = NIL and b = NIL

then return NIL

if a = NIL and b ≠ NIL

then return CheckAnotherPart(T , len , p , r – 1 , b , numb)

if a ≠ NIL and b = NIL

then return CheckAnotherPart(T , len , r , q , a , numa)

if a ≠ NIL and b ≠ NIL

then if a = b

then numa ← numa + numb

return a and numa

else re ← CheckAnotherPart(T , len , p , r – 1 , b ,numb)

if re ≠ NIL

then return re

else return CheckAnotherPart(T, len, r, q, a, numa)

-----------------------------------------------------------------------------------------

▹检查候选主元素是否是主元素

CheckAnotherPart(T , len , p , q , c , numc):

numc ← CheckNum(T , p , q , c) + numc

if num > len/2

then return c and numc

else return NIL

-----------------------------------------------------------------------------------------

----------------------------------------------------------------------------------------

▹计算 T[p..q] 中 element 出现的次数

CheckNum( T , p , q , element):

cnt ← 0

for i ← p to q

do if T[i] = element

then cnt ← cnt + 1

return cnt

----------------------------------------------------------------------------------------

■  时间复杂度分析

T(n)=2T(n/2)+n

所以时间复杂度为 O(nlgn)

3) 无序关系时求主元素的 O(n) 算法

■  算法思想

在一个集合中，删除两个不同的数，则集合的主元素保持不变。根据这个原理，可以很快求出主元素。

■  算法实现

-------------------------------------------------------------------------------------

相应的 Java 程序在 MainElement.java 中

master(A):

n ← length[A]

count ← 1

seed ← A[0]

▹ 找候选主元素

for i ← 1 to n – 1

do if A[i] = seed

then count ← count + 1

else if count > 0

then count ← count – 1

else seed ← A[i]

▹ 查找候选主元素是否是主元素

count ← 0

for i ← 0 to n – 1

do if A[i] = seed

then count ← count + 1

if count > n/2

then return seed and count

else return NIL

-------------------------------------------------------------------------------------

■  时间复杂度分析

时间复杂度为 O(n)

4) 算法测试

对前面三个求主元素算法，使用测试数据进行测试 :

测试数组	结果
0,0,1,1,0,8,1,1,1	主元素 :1 出现次数 :5
13,17,26,3,5,2,17,3	无主元素
1,2,3,4,5,6,7,8	无主元素
1,0,0,1,0,2,0	主元素 :0 出现次数 :4
1,3,4,1,2,1,1,4,0,1,1,1	主元素 :1 出现次数 :7
0,1,1	主元素 :1 出现次数 :2
13,17,26,3,5,2,17,3,3,3,3,3,3	主元素 :3 出现次数 :7
100,58	无主元素
597	主元素 :597 出现次数 :1
6,1,2,2,2,3,5	无主元素
7,7,7,7,7,7	主元素 7 出现次数 :6
5,9,45,96,77,28,13	无主元素

文章来源: http://wintys.blog.51cto.com/425414/100688
主元素.zip

wintys

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
[导入][原]算法设计与分析1 - 主元素

&lt;link rel="File-List" href="file:///C:%5CDOCUME%7E1%5CWinty%5CLOCALS%7E1%5CTemp%5Cmsohtml1%5C01%5Cclip_filelist.xml"&gt;&lt;!--[if gte mso 9]&gt;&lt;xml&gt;&lt;w:WordDocument&gt;&lt;w:View&g
复制链接

扫一扫

专栏目录