技术头条 - 一个快速在微博传播文章的方式     搜索本站
您现在的位置：首页 --> 算法 --> 查找第K小的元素

查找第K小的元素

浏览:4571次  出处信息

感觉这是个经典问题了，但是今天看维基百科的时候还是有了新的发现，话说这个问题，比较挫的解决方案有先排序，然后找到第K小的，复杂度是O(nlogn)，还有就是利用选择排序或者是堆排序来搞，选择排序是O(kn)，堆排序是O(nlogk)，比较好的解决方案是利用类似快速排序的思想来找到第K小，复杂度为O(n)，但是最坏情况可能达到O(n^2)，不过今天要说的，就是还有种方法可以使得最坏情况也是O(n)。

我们先来看用快速排序的思想来搞的方案。快速排序是找到一个数，然后把所有数分为小于等于那个数的一堆，和大于那个数的一堆，然后两段分别递归来排序，而我们查找算法里，由于知道第K小的元素会在哪一堆，这样只需要递归其中一对即可。

  1. import random
  3. def partition(arr, left, right, pivot):
  4. v = arr[pivot]
  5. arr[pivot], arr[right-1] = arr[right-1], arr[pivot]
  6. index = left
  7. for i in xrange(left, right):
  8. if arr[i] <= v:
  9. arr[i], arr[index] = arr[index], arr[i]
  10. index += 1
  11. return index-1
  13. def select(arr, left, right, k):
  14. while right - left > 1:
  15. index = partition(arr, left, right, random.randint(left, right-1))
  16. dist = index - left + 1
  17. if dist == k:
  18. return arr[index]
  19. if dist < k:
  20. k -= dist
  21. left = index + 1
  22. else:
  23. right = index
  24. return arr[left]

之后arr是要查找的数组，调用select即可找到第K小元素，如果pivot元素选的不好那么这个算法最坏的情况是O(n^2)。

现在讨论最坏情况下也是O(n)的方案，把所有的数分为5个一堆，那么总共会有n/5堆，对于每堆我们可以很快的找到中位数(因为只有5个所以很容易嘛)，之后调用当前算法找到这n/5个中位数的中位数，用这个数来做pivot，所以这个算法被叫做Median of Medians algorithm。

把中位数的中位数作为pivot的话，那么原数组中便会有3/5*1/2个也就是3/10个小于等于这个pivot的，同理会有3/10大于这个pivot的，所以最坏情况下，数组被分为30%，70%或者70%，30%的两部分。

T(n)<=T(n/5)+T(7/10*n)+O(n)<=c*n*(1+9/10+(9/10)^2....)
所以T(n)=O(n)

也就是最坏情况下是O(n)。

  1. import heapq
  3. def partition(arr, left, right, pivot):
  4. v = arr[pivot]
  5. arr[pivot], arr[right-1] = arr[right-1], arr[pivot]
  6. index = left
  7. for i in xrange(left, right):
  8. if arr[i] <= v:
  9. arr[i], arr[index] = arr[index], arr[i]
  10. index += 1
  11. return index-1
  13. def select_heap(arr, left, right, k):
  14. tmp = arr[left:right]
  15. heapq.heapify(tmp)
  16. [heapq.heappop(tmp) for i in xrange(k-1)]
  17. return heapq.heappop(tmp)
  19. def median(arr, left, right):
  20. num = (right - left - 1) / 5
  21. for i in xrange(num+1):
  22. sub_left = left + i*5
  23. sub_right = sub_left + 5
  24. if sub_right > right:
  25. sub_right = right
  26. m_index = select_heap(arr, sub_left, sub_right, (sub_right-sub_left)/2)
  27. arr[left+i], arr[m_index] = arr[m_index], arr[left+i]
  28. return select(arr, left, left+num+1, (num+1)/2)
  30. def select(arr, left, right, k):
  31. while right - left > 1:
  32. pivot = median(arr, left, right)
  33. index = partition(arr, left, right, pivot)
  34. dist = index - left + 1
  35. if dist == k:
  36. return arr[index]
  37. if dist < k:
  38. k -= dist
  39. left = index + 1
  40. else:
  41. right = index
  42. return arr[left]

同理，如果快速排序每次选pivot时用Median of Medians algorithm也可以把最坏情况降低为O(nlogn)的。

建议继续学习：

  1. 快速排序（Quicksort）的Javascript实现    (阅读：10117)
QQ技术交流群：445447336，欢迎加入！
扫一扫订阅我的微信号：IT技术博客大学习
<< 前一篇：数论的应用-RSA公钥算法
后一篇：新浪微博笔试题：找出共有2个以上标签的用户对 >>
文章信息
© 2009 - 2024 by blogread.cn 微博：@IT技术博客大学习

京ICP备15002552号-1