第二部分--排序和順序統(tǒng)計(jì)學(xué)-第9章--中位數(shù)和順序統(tǒng)計(jì)學(xué)

說明:該系列博客整理自《算法導(dǎo)論(原書第二版)》埋哟,但更偏重于實(shí)用臀叙,所以晦澀偏理論的內(nèi)容未整理略水,請(qǐng)見諒。另外本人能力有限劝萤,如有問題渊涝,懇請(qǐng)指正!

? ? 在一個(gè)由n個(gè)元素組成的集合中床嫌,第i個(gè)順序統(tǒng)計(jì)量是該集合中第i小的元素跨释。例如,在一組元素所組成的集合中厌处,?最小值?是第 1 個(gè)順序統(tǒng)計(jì)量(?i?= 1 )鳖谈,?最大值?是第?n?個(gè)順序統(tǒng)計(jì)量(?i?=?n)。而?中位數(shù)?(median)是它所在集合的“中點(diǎn)元素”阔涉。當(dāng)n為奇數(shù)時(shí)缆娃,中位數(shù)是唯一的,出現(xiàn)在i = (n+1)/2處瑰排。當(dāng)n為偶數(shù)時(shí)存在兩個(gè)中位數(shù)贯要,分別出現(xiàn)在i = n/2和i = n/2+1處,因此椭住,不考慮奇偶性崇渗,中位數(shù)總是出現(xiàn)在(n+1)/2向下取整(下中位數(shù))和(n+1)/2向上取整處(上中位數(shù))。

????從一個(gè)由?n?個(gè)數(shù)值構(gòu)成的集合(下面的講解假設(shè)集合中的數(shù)互異,但實(shí)際上所有處理都可以推廣到集合中包含重復(fù)數(shù)值的情況)中選擇其第?i?個(gè)順序統(tǒng)計(jì)量的問題显押,可以形式化地定義為?選擇問題?(selection problem):

? ??????????輸入:?一個(gè)包含?n?個(gè)(不同的)數(shù)的集合?A?和一個(gè)數(shù)?i?扳肛,1 <=?i?<=?n?。

? ??????????輸出:?元素?x?∈?A?乘碑,它恰好大于?A?中其他的?i?- 1個(gè)元素挖息。

1、最大值和最小值==特殊選擇問題

? ? 在一個(gè)有n個(gè)元素的集合中兽肤,要做多少次比較才能確定其最小元素呢套腹?可以很容易的給出n-1次比較這個(gè)上界:依次查看集合中的每個(gè)元素,并記錄比較過程中的最小元素资铡。這是最小值算法最好的結(jié)果电禀。

MINIMUM(A)

1 min = A[1]

2 for i = 2 to A.length

3? ? if min > A[i]

4? ? ? ? min = A[i]

5 return min

? ? 最大值算法同理最小值算法。

MAXIMUM(A)

1 max = A[1]

2 for i = 2 to A.length

3? ? if max < A[i]

4? ? ? ? max = A[i]

5 reutrn max

????要設(shè)計(jì)出一個(gè)算法笤休,使之通過漸近最優(yōu)的Θ(n)次比較尖飞,就能從n個(gè)元素中找出最小值和最大值,做到這一點(diǎn)并不困難店雅,只要獨(dú)立的找出最大值和最小值政基,各用n-1次比較,共有2n-2次比較闹啦。

? ? 事實(shí)上沮明,至多?3?n/2?次比較就足以同時(shí)找到最大值和最小值。做法是記錄比較過程中遇到的最大值和最小值窍奋。我們并不是將每一個(gè)輸入元素與當(dāng)前的最大值和最小值進(jìn)行比較荐健,而是成對(duì)的處理元素。先將一對(duì)輸入元素互相比較琳袄,然后將較小者和當(dāng)前最小值比較江场,較大者和當(dāng)前最大值比較,因此每兩個(gè)元素需要三次比較挚歧。

? ? 如何設(shè)定當(dāng)前最小值和最大值的初始值依賴于n是奇數(shù)還是偶數(shù)扛稽。如果n是奇數(shù),就將最小值和最大值都設(shè)為第一個(gè)元素的值滑负,然后成對(duì)的處理余下的元素在张。如果n是偶數(shù),就對(duì)前兩個(gè)元素做一次比較矮慕,以決定最小值和最大值的初值帮匾,然后成對(duì)的處理余下的元素。

2痴鳄、一般選擇問題

????一般選擇問題瘟斜,即返回?cái)?shù)組A[p..r]中第i小的元素,看起來要比找最小值的簡單選擇問題更難,但兩種問題的漸近運(yùn)行時(shí)間卻是相同的:都是?Θ?(?n?)螺句。這里介紹一種解決選擇問題的分治算法虽惭,即?RANDOMIZED-SELECT?算法。該算法以之前第7章介紹的快速排序算法為基礎(chǔ)蛇尚。如同在排序算法中一樣芽唇,此算法的思想也是對(duì)輸入數(shù)組進(jìn)行遞歸劃分,但和快速排序不同的是取劫,快速排序會(huì)遞歸處理劃分的兩邊匆笤,而RANDOMIZED-SELECT?算法只處理劃分的一邊。

? ? RANDOMIZED-SELECT?算法利用了快速排序算法的RANDOMIZED-PARTITION程序谱邪,所以RANDOMIZED-SELECT?算法也是一個(gè)隨機(jī)算法炮捧。

RANDOMIZED-SELECT(A, p, r, i)

1? if p == r

2? ? ? return A[p]

3? q = RANDOMIZED-PARTITION(A, p, r)

4? k = q - p + 1//計(jì)算數(shù)組A[p..q]內(nèi)元素的個(gè)數(shù)k,即處于劃分低區(qū)的元素的個(gè)數(shù)加上一個(gè)主元元素

5? if i == k? ? // the pivot value is the answer

6? ? ? return A[k]

7? elseif i < k

8? ? ? return RANDOMIZED-SELECT(A, p, q - 1, i)

9? else

10? ? return RANDOMIZED-SELECT(A, q + 1, r, i - k)

? ? 該隨機(jī)選擇算法的最壞情況運(yùn)行時(shí)間為?Θ?(?n2?)惦银,但是由于采用了RANDOMIZED-PARTITION程序咆课,所以非常小概率會(huì)出現(xiàn)最壞情況。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末璧函,一起剝皮案震驚了整個(gè)濱河市傀蚌,隨后出現(xiàn)的幾起案子基显,更是在濱河造成了極大的恐慌蘸吓,老刑警劉巖,帶你破解...
    沈念sama閱讀 223,002評(píng)論 6 519
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件撩幽,死亡現(xiàn)場(chǎng)離奇詭異库继,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)窜醉,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 95,357評(píng)論 3 400
  • 文/潘曉璐 我一進(jìn)店門宪萄,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人榨惰,你說我怎么就攤上這事拜英。” “怎么了琅催?”我有些...
    開封第一講書人閱讀 169,787評(píng)論 0 365
  • 文/不壞的土叔 我叫張陵居凶,是天一觀的道長。 經(jīng)常有香客問我藤抡,道長侠碧,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 60,237評(píng)論 1 300
  • 正文 為了忘掉前任缠黍,我火速辦了婚禮弄兜,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己替饿,他們只是感情好语泽,可當(dāng)我...
    茶點(diǎn)故事閱讀 69,237評(píng)論 6 398
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著视卢,像睡著了一般湿弦。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上腾夯,一...
    開封第一講書人閱讀 52,821評(píng)論 1 314
  • 那天颊埃,我揣著相機(jī)與錄音,去河邊找鬼蝶俱。 笑死班利,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的榨呆。 我是一名探鬼主播罗标,決...
    沈念sama閱讀 41,236評(píng)論 3 424
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼积蜻!你這毒婦竟也來了闯割?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 40,196評(píng)論 0 277
  • 序言:老撾萬榮一對(duì)情侶失蹤竿拆,失蹤者是張志新(化名)和其女友劉穎宙拉,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體丙笋,經(jīng)...
    沈念sama閱讀 46,716評(píng)論 1 320
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡谢澈,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,794評(píng)論 3 343
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了御板。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片锥忿。...
    茶點(diǎn)故事閱讀 40,928評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖怠肋,靈堂內(nèi)的尸體忽然破棺而出敬鬓,到底是詐尸還是另有隱情,我是刑警寧澤笙各,帶...
    沈念sama閱讀 36,583評(píng)論 5 351
  • 正文 年R本政府宣布钉答,位于F島的核電站,受9級(jí)特大地震影響酪惭,放射性物質(zhì)發(fā)生泄漏希痴。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,264評(píng)論 3 336
  • 文/蒙蒙 一春感、第九天 我趴在偏房一處隱蔽的房頂上張望砌创。 院中可真熱鬧虏缸,春花似錦、人聲如沸嫩实。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,755評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽甲献。三九已至宰缤,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間晃洒,已是汗流浹背慨灭。 一陣腳步聲響...
    開封第一講書人閱讀 33,869評(píng)論 1 274
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留球及,地道東北人氧骤。 一個(gè)月前我還...
    沈念sama閱讀 49,378評(píng)論 3 379
  • 正文 我出身青樓,卻偏偏與公主長得像吃引,于是被迫代替她去往敵國和親筹陵。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,937評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容