C++完成第K順序統計量的求解辦法。本站提示廣大學習愛好者:(C++完成第K順序統計量的求解辦法)文章只能為提供參考,不一定能成為您想要的結果。以下是C++完成第K順序統計量的求解辦法正文
一個n個元素組成的集合中,第K個順序統計量(Order Statistic)指的是該集合中第K小的元素,我們這裡要討論的是如何在線性時間(linear time)裡找出一個數組的第K個順序統計量。該問題的算法關於C++順序員來說有一定的自創價值。詳細如下:
一、問題描繪:
問題:給定一個含有n個元素的無序數組,找出第k小的元素。
k = 1 :最小值
k = n :最大值
k = ⌊(n+1)/2⌋ or ⌈(n+1)/2⌉ :中位數
找最大值或最小值很復雜,只需求遍歷一次數組並記載下最大值或最小值就可以了。我們在這裡要處理的問題是普通性的選擇問題。
一種原始的處理方案是,用堆排序或歸並排序將輸出數據停止排序,然後前往第k個元素。這樣在Θ(nlgn)時間內一定可以處理。但是我們希望有更好的方案,最好是線性時間。
二、希冀線性時間的處理方案:
為了在線性時間內處理這個選擇問題,我們運用一個隨機的分治算法,即RANDOMIZED-SELECT算法。此算法是運用隨機化的疾速排序中的隨機劃分子順序,對輸出數組停止隨機劃分操作,然後判別第k小元素在劃分後的哪個區域,對所在區域停止遞歸劃分,最後找到第k小元素。
偽代碼如下:
RANDOMIZED-SELECT(A,p,q,i) // i-th smallest in A[p..q] if p = q then return A[p] r = RANDOMIZED-PARTITION(A, p, q) k = r-p+1 // A[r] is k-th smallest if i=k then return A[r] if i<k then return RANDOMIZED-SELECT(A, p, r-1, i) else then return RANDOMIZED-SELECT(A, r+1, q, i-k)
這裡的RANDOMIZED-PARTITION()是隨機版的劃分操作(疾速排序的剖析與優化),可見本算法是一個隨機算法,它的希冀時間是Θ(n)(假定元素的值是不同的)。
1、Lucky-Case:最好的狀況是在正中劃分,劃分的左邊和左邊的元素數量相等,但是1/10和9/10的劃分也簡直一樣好。可以這麼說,任何常數比例的劃分都和1/2:1/2的劃分一樣好。這裡以1/10和9/10的劃分為例,算法運轉時間遞歸式為T(n) <= T(9n/10) + Θ(n),依據主定理失掉T(n) <= Θ(n)。
2、Unlucky-Case:雖然主元的選取是隨機的,但是假如你運氣足夠差,每次都失掉0:n-1的劃分,這就是最壞的狀況。此時遞歸式為T(n) = T(n-1) + Θ(n),則時間復雜度為T(n) = Θ(n^2)。
3、Expected-Time:希冀運轉時間為Θ(n),即線性時間。這裡就不證明了,證明需求用到指示器隨機變量。
C++代碼如下:
/************************************************************************* > File Name: RandomizedSelect.cpp > Author: SongLee ************************************************************************/ #include<iostream> #include<cstdlib> // srand rand using namespace std; void swap(int &a, int &b) { int tmp = a; a = b; b = tmp; } int Partition(int A[], int low, int high) { int pivot = A[low]; int i = low; for(int j=low+1; j<=high; ++j) { if(A[j] <= pivot) { ++i; swap(A[i], A[j]); } } swap(A[i], A[low]); return i; } int Randomized_Partition(int A[], int low, int high) { srand(time(NULL)); int i = rand() % (high+1); swap(A[low], A[i]); return Partition(A, low, high); } int Randomized_Select(int A[], int p, int q, int i) { if(p == q) return A[p]; int r = Randomized_Partition(A, p, q); int k = r-p+1; if(i == k) return A[r]; if(i < k) return Randomized_Select(A, p, r-1, i); else return Randomized_Select(A, r+1, q, i-k); } /* 測試 */ int main() { int A[] = {6,10,13,5,8,3,2,11}; int i = 7; int result = Randomized_Select(A, 0, 7, i); cout << "The " << i << "th smallest element is " << result << endl; return 0; }
三、最壞狀況線性時間的處理方案
雖然最壞狀況Θ(n2)呈現的概率十分十分小,但是不代表它不會呈現。這裡就引見一個非同普通的算法,以保證在最壞狀況下也能到達線性時間。
這個SELECT算法的根本思想就是要保證對數組的劃分是一個好的劃分,它經過自己的辦法選取主元(pivot),然後將pivot作為參數傳遞給疾速排序確實定性劃分操作PARTITION。
根本步驟:
①.將輸出數組的n個元素劃分為n/5(上取整)組,每組5個元素,且至少只要一個組有剩下的n%5個元素組成。
②.尋覓每個組織中中位數。首先對每組中的元素(至少為5個)停止拔出排序,然後從排序後的序列中選擇出中位數。
③.對第2步中找出的n/5(上取整)個中位數,遞歸調用SELECT以找出其中位數x。(假如是偶數取下中位數)
④.調用PARTITION進程,依照中位數x對輸出數組停止劃分。確定中位數x的地位k。
⑤.假如i=k,則前往x。否則,假如i < k,則在地域間遞歸調用SELECT以找出第i小的元素,若干i > k,則在高區找第(i-k)個最小元素。
如下圖所示:
總結:
RANDOMIZED-SELECT和SELECT算法是基於比擬的。我們知道,在比擬模型中,排序時間不會優於Ω(nlgn)。之所以這裡的選擇算法到達了線性時間,是由於它們沒有運用排序就處理了選擇問題。另外,我們沒有運用線性時間排序算法(計數排序/桶排序/基數排序),是由於它們要到達線性時間對輸出有很高的要求,而這裡不需求關於輸出的任何假定。