经典算法之线性时间选择的C实现方法

线性时间选择问题,实际上是随机快速排序算法的一个引申,ie,通过对随机快速排序算法的小小改动就可以实现。

算法依然参考算法导论中的相关内容,需要注意的是,

代码中 的id 是指 所要 找的量在 现有区间 【low, high】中的位置, 因而,需要涉及 一定转化。 ps: mid - low + 1 表示 我们划分出来的第一个区间的长度大小。

源代码如下:

// =====================【随机选择 】==================
// @ author         :           zhyh2010
// @ date           :           20150606
// @ version        :           1.0
// @ description    :
// =====================【随机选择】==================

#include <stdio.h>
#include <stdlib.h>

#define NUM 20
int arr[NUM] = { 0 };

void init()
{
    time_t tm;
    time(&tm);
    srand((unsigned int)tm);

    int max_item = 100;
    for (int i = 0; i != NUM; i++)
        arr[i] = rand() % max_item;
}

void swap(int * pa, int * pb)
{
    int aa = *pa;
    int bb = *pb;

    aa = aa ^ bb;
    bb = aa ^ bb;
    aa = aa ^ bb;

    *pa = aa;
    *pb = bb;
}

void display(int * arr)
{
    for (int i = 0; i != NUM; i++)
        printf("%-10d", arr[i]);
    printf("\n");
}

int Partition(int low, int high)
{
    int privot = arr[high];
    int i = low - 1;
    for (int j = low; j != high; j++)
    {
        if (arr[j] <= privot)
            swap(&arr[j], &arr[++i]);
    }

    swap(&arr[i + 1], &arr[high]);
    return i + 1;
}

int RandomPartition(int low, int high)
{
    time_t tm;
    time(&tm);
    srand((unsigned int)tm);

    int id = rand() % NUM;

    swap(&arr[id], &arr[NUM - 1]);
    return Partition(low, high);
}

int RandomSelect(int low, int high, int id)
{
    if (low >= high)
        return arr[low];
    int mid = RandomPartition(low, high);

    int k = mid - low + 1;
    if (k == id)
        return arr[mid];

    if (id > k)
        return RandomSelect(mid + 1, high, id - k);
    else
        return RandomSelect(low, mid - 1, id);
}

void main()
{
    init();
    display(arr);
    int k = 5;
    int res = RandomSelect(0, NUM - 1, k);
    printf("the %d th number of the arr is %d\n", k, res);
}
时间: 2024-12-24 10:33:28

经典算法之线性时间选择的C实现方法的相关文章

【经典算法】线性时间排序

在计算机科学中,排序是一门基础的算法技术,许多算法都要以此作为基础,不同的排序算法有着不同的时间开销和空间开销.排序算法有非常多种,如我们最常用的快速排序和堆排序等算法,这些算法需要对序列中的数据进行比较,因为被称为基于比较的排序. 基于比较的排序算法是不能突破O(NlogN)的.简单证明如下: N个数有N!个可能的排列情况,也就是说基于比较的排序算法的判定树有N!个叶子结点,比较次数至少为log(N!)=O(NlogN)(斯特林公式). 而非基于比较的排序,如计数排序,桶排序,和在此基础上的基

线性时间选择算法

在一个由 n 个元素组成的集合中,第 i 个顺序统计量(order statistic)是该集合中第 i 小的元素.也就是说,最小值是第 1 个顺序统计量(i = 1),最大值是第 n 个顺序统计量(i = n). 中位数(median)是它所在集合的中点元素.当 n 为奇数时,中位数是唯一的,出现在 i = (n + 1)/2 处.当 n 为偶数时,存在两个中位数,下中位数 i = n/2 和上中位数 i = n/2 + 1 处.因此,不考虑 n 的奇偶性,中位数总是出现在 i = (n+1)

重拾算法之路——线性时间选择

***************************************转载请注明出处:http://blog.csdn.net/lttree******************************************** 第一章:分治与递归 线性时间选择 算法描述: 给定线性序集中n个元素和一个整数k,1 ≤ k ≤ n,要求找出这n个元素中第k小的元素.即如果将这n个元素依其线性序排列时,排在第k个位置的元素即为要找的元素.当k=1时,就是找最小元素,k=n时,就是找最大元素,

初学算法-快速排序与线性时间选择(Deterministic Selection)的C++实现

快速排序算法其实只做了两件事:寻找分割点(pivot)和交换数据. 所谓寻找分割点,既找到一个预计会在中间位置附近的点,当然尽量越接近中点越好. 所谓交换数据,就是把比这个分割点小的数据,最终都放在分割点左边,比它大的都放在右边. 设要排序的数组是A[left]--A[right],首先任意选取一个数据(一般算法:使用随机数选取一个区间内的数. 文艺算法:取A[left].A[right]和A[rand()]的中值. 二笔算法:选用数组的第一个数)作为关键数据,然后将所有比它小的数都放到它前面,

[图解算法] 线性时间选择——//递归与分治策略//【图解才是最直观】

1 #include <ctime> 2 #include <iostream> 3 using namespace std; 4 5 template <class Type> 6 void Swap(Type &x,Type &y); 7 8 inline int Random(int x, int y); 9 10 template <class Type> 11 void BubbleSort(Type a[],int p,int r

[笔面] 经典算法部分

算法理论 1. 算法的几个特征是什么.2. 算法复杂性的定义.大O.θ..小o分别表示的含义.3. 递归算法的定义.递归算法的两要素.4.分治算法的思想,经典的分治算法(全排列.二分搜索.归并排序.快速排序.线性时间选择.最接近点对问题).5. 动态规划算法解题框架,动态规划算法的两个要素是什么?备忘录方法是什么?6. 经典的动态规划问题(矩阵连乘问题.最长公共子序列问题.0-1背包问题).7. 贪心算法的思想,贪心算法的两个要素.8. 经典的贪心问题(活动安排问题.背包问题.装载问题.哈夫曼编

数据挖掘十大经典算法

一. C4.5  C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3 算法.   C4.5算法继承了ID3算法的优点,并在以下几方面对ID3算法进行了改进: 1) 用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足: 2) 在树构造过程中进行剪枝: 3) 能够完成对连续属性的离散化处理: 4) 能够对不完整数据进行处理. C4.5算法有如下优点:产生的分类规则易于理解,准确率较高.其缺点是:在构造树的过程中,需要对数据集进行多次的顺序扫描和排序,因而导

动态展示十大经典算法

算法一:快速排序算法 快速排序是由东尼·霍尔所发展的一种排序算法.在平均状况下,排序n个项目要Ο(nlogn)次比较.在最坏状况下则需要Ο(n2)次比较,但这种状况并不常见.事实上,快速排序通常明显比其他Ο(nlogn)算法更快,因为它的内部循环(innerloop)可以在大部分的架构上很有效率地被实现出来. 快速排序使用分治法(Divideandconquer)策略来把一个串行(list)分为两个子串行(sub-lists). 算法步骤: 1.从数列中挑出一个元素,称为“基准”(pivot),

【转】聚类分析经典算法讲解及实现

本文将系统的讲解数据挖掘领域的经典聚类算法,并给予代码实现示例.虽然当下已有很多平台都集成了数据挖掘领域的经典算法模块,但笔者认为要深入理解算法的核心,剖析算法的执行过程,那么通过代码的实现及运行结果来进行算法的验证,这样的过程是很有必要的.因此本文,将有助于读者对经典聚类算法的深入学习与理解. 4 评论 杨 翔宇, 资深软件工程师, IBM 段 伟玮, 在读博士, IBM 2016 年 7 月 18 日 内容 在 IBM Bluemix 云平台上开发并部署您的下一个应用. 开始您的试用 前言