Select 选择算法 - 编程珠玑(续) 笔记

Select 算法

I 编程珠玑(续)介绍的 Quickselect 算法

选择 N 个元素中的第 K 小(大)值，是日常场景中常见的问题，也是经典的算法问题.

选取 N 个元素的数组的中的第 K 小(大)值，最简单的想法是将数组排序后直接选取. 那么这种方法的时间复杂度是O(N log N).

C.A.R.Hoare 提出的 Quickelect 算法的平均时间复杂度达到了 O(N) . 在去递归之后, 是原地算法. 这个算法因为其简洁，高效而被广泛使用.

算法思路的C++实现如下.

int select(vector<int>& X, int k) {

    int l = 0, u = X.size() - 1;

    while(l < u){

        swap(X[l],  X[rand()%(u-l+1)+l]);

        int m = l;

        for(int i = l + 1; i <= u; i++)

            if(X[i] < X[l])

                swap(X[++m], X[i]); //m在i遍历的过程中，是遍历过的元素中, 小于X[l]的元素的最大下标

        swap(X[l], X[m]);

        if(k <= m) u = m - 1;

        if(k >= m) l = m + 1;

    }

    return X[k];

}

当 k 选定为数组的中位数时，平均所耗的时间最多.
当数组中有大量重复元素，或者是逆序排序的数组时，会增加运行时间. 遇到大量重复的元素时不能很快地缩小 l - u 的范围. 逆序数组会产生很多的 swap 操作.
Worst-case peformance O(N ^ 2)

II 序列输入时使用的 Heap-Select 算法

考虑一个输入序列，要求在序列输入完毕的时候得出这个序列的第 k 大(小)的元素.

要选择第 k 小的元素时，我们考虑用一个 k 大小的大顶堆. 对数组从头开始遍历(等价于数组线性输入)，头 k 个元素用于建立 k 大小的大顶堆. 对于从 k + 1 到 N 的元素. 当该元素小于堆顶元素的时候，将该元素插入到堆中，将堆顶元素出堆. 遍历(输入)结束后，堆顶元素即为我们要找的元素.

相应的选择第 k 大的元素时，我们考虑用一个 k 大小的小顶堆.对数组从头开始遍历. 头 k 个元素用于建立 k 大小的小顶堆. 对于从 k + 1 到 N 的元素. 当该元素大于堆顶元素的时候，将该元素插入到堆中，将堆顶元素出堆. 遍历(输入)结束后，堆顶元素即为我们要找的元素.

这样可得这个算法的时间复杂度为 O(k) + O(N * log k) ==> O(N * log k)

由于要调用空间构造堆，空间复杂度为 O(k)

关于这个算法的正确性，用归纳法，从已经输入k的数组中挑选头k个最大(小)的元素。然后继续下去即可。

III 三个元素的中间值

杀鸡不用牛刀，三个元素的中间值用简单的三次比较就可以搞定.

if(X[1] > X[2])

    swap(X[1], X[2]);

if(X[2] > X[3])

    swap(X[2], X[3]);

if(X[1] > X[2])

    swap(X[1], X[2]);  //自此 X[1], X[2], X[3] 从小到大有序.

IV 其他的Select算法

Median of medians 又名 BFPRT算法. 基于Blum, Floyd, Pratt, Rivest and Tarjan 1973年的论文 Time Bounds for Selection. 拥有O(N) 的 worst case performance.

Introselect 则是BFPRT算法和 Quickselect 算法的结合. 默认使用 Quickselect ，在 Quickselect 表现出比较差的运行情况时转向Median of medians. 从而也能提供O(N) 的 worst case performance.