算法导论 9.3-7 设计一个O(n)时间的算法，对于一个给定的包含n个互异元素的集合S和一个正整数k≤n，该算法能够确定S中最接近中位数的k个元素。

为了解决这道题，我们选用了c++中的vector作为数据结构，因为vector的增加，删除操作较为简单。

要解决该问题我们需要几个相关函数作为支持。

vector<int> find_k_near_mid(vector<int>& list, int k)
//主要的求解函数，返回值为一个vector数组。
int select(vector<int> list,int tt)
//求解输入的list中的有序时的第tt个数（从0开始计算）的值
sort(vector<int> &list)
//插入排序算法
int partition(vector<int> &list, int x)
//以x为主元对list进行划分
int partition1(vector<vector<int>> &list, int x)
//功能与上一个函数一致，只是输入参数不同

select（）函数：该函数可以返回按序排列的第tt个数的值，我们也可以用它来求解中位数。

它是通过划分数组，之后递归调用的方式执行，时间复杂度为O(n)，书上有更为具体的描述.

int select(vector<int> list,int tt){if(list.size() == 1){return list[0];}vector<vector<int>> div; for(int i = 0; i <= list.size()/5; i++){vector<int> temp;for(int j = 0; j < 5; j++){if(i * 5 + j == list.size()){break;}temp.push_back(list[i * 5 + j]); }if(temp.size() != 0){sort(temp);//用冒泡排序的方法对这5个数排序div.push_back(temp);                }}//建立二维vector，5个一组存储list的值vector<int> mid_temp(div.size());for(int i = 0; i < div.size(); i++){mid_temp[i] = div[i][(div[i].size()-1)/2];}//建立存储中位数的vectorint mid_mid_temp;mid_mid_temp = select(mid_temp, (mid_temp.size()-1)/2);//求中位数数组的中位数int position_mid_mid_temp = partition(list, mid_mid_temp);//求出中位数数组的中位数在list中的位置，并对中位数数组做划分，k之前是小于mid_mid_temp的数，之后是大于该值的数。int k = position_mid_mid_temp;vector<int> low(list.begin(), list.begin() + k);vector<int> high(list.begin() + k + 1, list.end());//用k对数组进行划分if(tt == k){return mid_mid_temp;}else if(tt < k){return select(low, tt);}else {return select(high, tt - k - 1);}          }

sort（）函数：插入排序，不需要过多介绍。

    void sort(vector<int> &list){int temp;for(int i = 0; i < list.size(); i++){for(int j = i; j < list.size(); j++){if(list[i] > list[j]){temp = list[i];list[i] = list[j];list[j] = temp;}}}}

partition()函数：以传入的x为主元，对数组进行划分，并且返回x在划分好的数组中的位置。

    int partition(vector<int> &list, int x) {int i = -1,temp;for(int j = 0; j < list.size(); j++){if(list[j] <= x){i++;temp = list[j];list[j] = list[i];list[i] = temp;}}return i;}int partition1(vector<vector<int>> &list, int x) {int i = -1;vector<int> temp;for(int j = 0; j < list.size(); j++){if(list[j][1] <= x){i++;temp = list[j];list[j] = list[i];list[i] = temp;}}return i;}

find_k_near_mid()函数：

首先，调用select（）函数求出中值，之后建立一个二维vector，每一维有两个参数，第一个为list中的数减去mid的符号，第二个为这个值的绝对值。这个绝对值也存储在一个名为temp的容器中。

我们调用select（）函数，求出temp中有序排列时的第k（从1开始计数）个值。之后通过这个值调用partition1（）函数对二维容器进行划分。

在数组划分好后，我们用前k个值的绝对值乘以符号位加上中位数即为需要的值。

    vector<int> find_k_near_mid(vector<int>& list, int k) {int mid = select(list, (list.size()-1)/2);vector<vector<int>> b(list.size());vector<int> temp;int temp_num;for(int i=0; i<list.size(); i++){temp_num = list[i] - mid;if(temp_num < 0){b[i].push_back(-1);b[i].push_back(abs(temp_num));temp.push_back(abs(temp_num));}else{b[i].push_back(1);b[i].push_back(temp_num);temp.push_back(temp_num);}}int x = select(temp, k-1);partition1(b, x);vector<int> result;for(int i=0; i<k; i++){result.push_back(b[i][0]*b[i][1] + mid);}return result;}

完整代码（含测试代码）：

#include<vector>
#include <iostream>
#include <stdlib.h>using namespace std; class Solution {
public:vector<int> find_k_near_mid(vector<int>& list, int k) {int mid = select(list, (list.size()-1)/2);vector<vector<int>> b(list.size());vector<int> temp;int temp_num;for(int i=0; i<list.size(); i++){temp_num = list[i] - mid;if(temp_num < 0){b[i].push_back(-1);b[i].push_back(abs(temp_num));temp.push_back(abs(temp_num));}else{b[i].push_back(1);b[i].push_back(temp_num);temp.push_back(temp_num);}}int x = select(temp, k-1);partition1(b, x);vector<int> result;for(int i=0; i<k; i++){result.push_back(b[i][0]*b[i][1] + mid);}return result;}int select(vector<int> list,int tt){if(list.size() == 1){return list[0];}vector<vector<int>> div; for(int i = 0; i <= list.size()/5; i++){vector<int> temp;for(int j = 0; j < 5; j++){if(i * 5 + j == list.size()){break;}temp.push_back(list[i * 5 + j]); }if(temp.size() != 0){sort(temp);div.push_back(temp);                }}vector<int> mid_temp(div.size());for(int i = 0; i < div.size(); i++){mid_temp[i] = div[i][(div[i].size()-1)/2];}int mid_mid_temp;mid_mid_temp = select(mid_temp, (mid_temp.size()-1)/2);//zhuyi  tt dezhi int position_mid_mid_temp = partition(list, mid_mid_temp);int k = position_mid_mid_temp;vector<int> low(list.begin(), list.begin() + k);vector<int> high(list.begin() + k + 1, list.end());if(tt == k){return mid_mid_temp;}else if(tt < k){return select(low, tt);}else {return select(high, tt - k - 1);}          }void sort(vector<int> &list){int temp;for(int i = 0; i < list.size(); i++){for(int j = i; j < list.size(); j++){if(list[i] > list[j]){temp = list[i];list[i] = list[j];list[j] = temp;}}}}int partition(vector<int> &list, int x) {int i = -1,temp;for(int j = 0; j < list.size(); j++){if(list[j] <= x){i++;temp = list[j];list[j] = list[i];list[i] = temp;}}return i;}int partition1(vector<vector<int>> &list, int x) {int i = -1;vector<int> temp;for(int j = 0; j < list.size(); j++){if(list[j][1] <= x){i++;temp = list[j];list[j] = list[i];list[i] = temp;}}return i;}
};
int main(){Solution A;int a[9]={1,2,3,4,5,6,7,8,9};vector<int> num1(a,a+9);int i = A.select(num1,4);cout << i << endl; vector<int> a1;a1=A.find_k_near_mid(num1,3);
}

新人博主，点个赞再走吧。

算法导论 9.3-7 设计一个O(n)时间的算法，对于一个给定的包含n个互异元素的集合S和一个正整数k≤n，该算法能够确定S中最接近中位数的k个元素。相关推荐

确定S中最接近中位数的k个元素(算法导论第三版9.3-7)
确定S中最接近中位数的k个元素 (算法导论第三版9.3-7题) 时间复杂度O(n) vector<int> k_elements_closest_to_median(int *array, ...
【算法导论】学习笔记——第9章中位数和顺序统计量
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.用非形式化的描述来说,一个中位数(median)使它所属集合的"中点元素". ...
算法导论2-9章补充几道题
本篇博文意在对前几章中遗漏的,本人觉得有意思的习题当独拿出来练练手. 1.习题2-4,求逆序对,时间复杂度要求Θ(nlgn) 定义:对于一个有n个不同的数组A, 当i<j时,存在A[i]> ...
2020美赛F奖论文（四）：模拟退火算法驱动的结构策略设计
上接:2020美赛F奖论文(三):足球团队指标和基于机器学习的球队表现预测全文: 2020美赛F奖论文(一):摘要.绪论和模型准备 2020美赛F奖论文(二):传球网络模型(PNM)的建立和影响因子 ...
算法导论读书笔记（19）
http://www.cnblogs.com/sungoshawk/p/3802553.html 算法导论读书笔记(19) 目录最优二叉搜索树步骤1:一棵最优二叉查找树的结构步骤2:一个递归解 ...
java毕业设计——基于java+MMAS的蚁群算法路由选择可视化动态模拟设计与实现（毕业论文+程序源码）——蚁群算法路由选择可视化动态模拟
基于java+MMAS的蚁群算法路由选择可视化动态模拟设计与实现(毕业论文+程序源码) 大家好,今天给大家介绍基于java+MMAS的蚁群算法路由选择可视化动态模拟设计与实现,文章末尾附有本毕业设计的 ...
算法导论笔记：32字符串匹配算法
在编辑文本程序中,经常需要在文本中找到某个模式的所有出现位置.典型的情况是:在一个文本文件中,搜索用户输入的关键字.解决这种问题的算法叫做字符串匹配算法.字符串匹配算法的形式化定义如下:假设文本是长度 ...
《算法导论》——矩阵乘法的Strassen算法
前言: 很多朋友看到我写的<算法导论>系列,可能会觉得云里雾里,不知所云.这里我再次说明,本系列博文时配合<算法导论>一书,给出该书涉及的算法的c++实现.请结合<算法导 ...
python中值_Python中值,python,中位数
有⼀个⽆序的整数序列(⽆重复项,⻓度为奇数),请⽤你认为最优的⽅法求序列的中位数.例如给定数组 1.5.2.9.8.0.6,中位数是 5.要求算法的时间复杂度需要⼩于 O(n2),不能使⽤内置排序 ...
树的直径证明算法导论
树的直径的定义: 树中任意两点距离的最大值树的直径的求法: 从树的任意一点y,通过BFS到达终点x:则x必为直径的一个端点.再从x通过BFS到达终点z.z必为直径的另一个端点.则从x经过BFS到z的 ...

算法导论 9.3-7 设计一个O(n)时间的算法，对于一个给定的包含n个互异元素的集合S和一个正整数k≤n，该算法能够确定S中最接近中位数的k个元素。

算法导论 9.3-7 设计一个O(n)时间的算法，对于一个给定的包含n个互异元素的集合S和一个正整数k≤n，该算法能够确定S中最接近中位数的k个元素。相关推荐

最新文章

热门文章