我自己搭建了博客，以后可能不太在CSDN上发博文了，https://www.qingdujun.com/ 。

去年写了一篇《分治算法求第kkk小元素 O(n)O(n)O(n) & O(nlog2nO(nlog2^nO(nlog2n)》的文章。介绍了一种对快排进行改进的算法，可以在时间复杂度O(n)O(n)O(n)的情况下，找到第kkk小的数字。

那时候，我还不知道这个算法叫BFPRT算法——现在知道了，还知道它又被称为中位数的中位数算法，它的最坏时间复杂度为O(n)O(n)O(n) ，它是由Blum、Floyd、Pratt、Rivest、Tarjan提出，它的思想是修改快速选择算法的主元选取方法，提高算法在最坏情况下的时间复杂度。

1 STL std::nth_element

而且，我还发现了STL中有一个类似的函数——std::nth_element （位于头文件<algorithm>中）:
http://www.cplusplus.com/reference/algorithm/nth_element/

#include <iostream>
#include <vector>
#include <algorithm>
#include <functional>int main() {std::vector<int> v{5, 6, 4, 3, 2, 6, 7, 9, 3};std::nth_element(v.begin(), v.begin() + v.size()/2, v.end());std::cout << "The median is " << v[v.size()/2] << '\n';std::nth_element(v.begin(), v.begin()+1, v.end(), std::greater<int>());std::cout << "The second largest element is " << v[1] << '\n';
}

The median is 5
The second largest element is 7

2 BFPRT算法(中位数的中位数算法)

好了，言归正传。BFPRT算法主要由两部分组成（快排、基准选取函数）。基准选取函数也就是中位数的中位数算法（Median of Medians algorithm）的实现，具体来说——就是将快排中基准选取策略进行了优化，改为每次尽可能的选择中位数作为基准。

那么是如何尽可能的选出中位数？如果要找到一个精确的中位数，所消耗的时间代价将得不偿失，而且对于快排算法来说，只要基准尽可能的接近真正的中位数，就能形成近似的均分。我在上一篇文章中举了个例子，这里我再重复一遍：

2.1 举个例子

假设，我们要找arr[18]的近似中位数——其实，也就是找到数字8。（注意到，由于使用了分组，这里产生的只是尽可能的中位数）

int arr[18] = { 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18 };

BFPRT算法规定了，将5个元素作为一组（选出中位数）。然后，再选出中位数中的中位数…一直到，最终选出一个数字。

那么，第一轮就是这样（将选出的中位数放置在最前面）：

//执行momedians之前
{ 1,2,3,4,5} {6,7,8,9,10} {11,12,13,14,15} {16,17,18 };

分别对每组sort后选取小组中位数，再使用swap将小组中位数放置在“最前面”对应位置（注意下文中*号的标注，它表示这一步选出的小组中位数放置到哪儿去了）。

//开始momedians
{ 3*,2,1*,4,5};//sort->swap(3,1)
{ 3,8*,1,4,5} {6,7,2*,9,10};//sort->swap(8,2)
{ 3,8,13*,4,5} {6,7,2,9,10} {11,12,1*,14,15};//sort->swap(13,1)
{ 3,8,13,17*,5} {6,7,2,9,10} {11,12,1,14,15} {16,4*,18 };//sort->swap(17,4)

同样，第二轮初始时就成如下样子了，很显然已经少于5个数字了：

//执行momedians之前
{ 3,8,13,17};

直接选出中位数8。

2.2 算法实现(c++)

可以将上述过程使用C++代码描述如下（对于5个数字的排序，使用Insert sort可能会效率更高）。再次强调，下面这段代码唯一的作用，就是用来选出每次快排的基准：

//Median of Medians algorithm
int momedians(int* const low, int* const high) {if (low >= high - 1) {return *low;}//int grp_length = (int)std::sqrt(high - low);int grp_length = 5, grp_idx = 0;for (int* l = low, *r; l < high; l = r+1) {r = (l + grp_length >= high) ? high : l + grp_length - 1;std::sort(l, r); //可以使用下文的void isort(int* const low, int* const high)std::swap(*(low+grp_idx++), *(l + (r - l) / 2));}return momedians(low, low + grp_idx);
}

写到这里已经将BFPRT算法核心介绍完毕了。

如果想测试使用Insert sort是否会带来效率上提升的小伙伴，可以试试下面这段代码insert_sort，尝试着替换文中的std::sort排序函数。

//Insert sort
void insert_sort(int* const low, int* const high) {for (int* i = low + 1; i <= high; ++i) {if (*i < *(i-1)) {int border = *i, *j = i-1;for ( ; border < *j; --j) {*(j+1) = *j;}*(j+1) = border;}}
}

让我们思维次再回到momedians函数。从上述代码中可以看到grp_length = 5是一个固定值。那么，在BFPRT算法中，为什么是选5个作为分组？这个我也不是很明白，我也尝试使用sqrt(数组长度)作为分组的长度。

有兴趣的可以阅读 ACdreamer 的一篇《BFPRT算法原理》，他在文章结尾处，对为什么使用5作为固定分组长度进行了简单说明。同时，还附有BFPRT算法的最坏时间复杂度为 O(n)O(n)O(n) 的证明。

好了，以下为完整的“BFPRT算法：时间复杂度O(n)O(n)O(n)求第k小的数字”代码。如上文所说，算法主体功能是快排，只是在基准选取的时候使用了momedians算法——而不是直接取第一个数作为基准（严蔚敏版教材中的做法）。

#include <iostream>
#include <algorithm>
using namespace std;//Median of Medians algorithm
int momedians(int* const low, int* const high) {if (low >= high - 1) {return *low;}int grp_length = 5, grp_idx = 0;for (int* l = low, *r; l < high; l = r+1) {r = (l + grp_length >= high) ? high : l + grp_length - 1;std::sort(l, r);std::swap(*(low+grp_idx++), *(l + (r - l) / 2));}return momedians(low, low + grp_idx);
}//Quick sort
int qsort(int* const low, int* const high, int* const ptrk) {int* l = low, *r = high;if (l < r) {int pivot = momedians(l, r);while (l < r) {while (l < r && *r >= pivot) {--r;}*l = *r;while (l < r && *l <= pivot) {++l;}*r = *l;}*r = pivot;}//per qsort end, check left == right == ptrk?return r == ptrk ? *ptrk :(r > ptrk ?qsort(low, r - 1, ptrk) :qsort(r + 1, high, ptrk));
}//Blum、Floyd、Pratt、Rivest、Tarjan
int bfprt(int* const low, int* const high, const int k = 1) {if (low >= high || k < 1 || k > high - low) {throw std::invalid_argument("low > high || k < 1");}return qsort(low, high-1, low + k -1);//[low, high)
}int main() {int arr[18] = { 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18 };//cout << bfprt(&arr[0], &arr[0]+1, 1) << endl;cout << bfprt(&arr[0], &arr[0] + 18, 18) << endl;return 0;
}

以上的代码是针对int数组编写的，下面再测试一下对于其他类型的支持情况（这里直接粗暴的加上了一个模板）。有一点想强调的是，这里的bfprt函数参数是左闭右开区间[low,high)，同时k必须是从1开始的正数。

//Blum、Floyd、Pratt、Rivest、Tarjan
template<typename T>
T bfprt(T* const low, T* const high, const int k = 1) {if (low >= high || k < 1 || k > high - low) {throw std::invalid_argument("low > high || k < 1");}return qsort(low, high-1, low + k -1);//[low, high)
}

在main函数中对int、char、string类型进行了测试。完整代码如下…

#include <iostream>
#include <algorithm>
using namespace std;//Median of Medians algorithm
template<typename T>
T momedians(T* const low, T* const high) {if (low >= high - 1) {return *low;}int grp_length = 5, grp_idx = 0;for (T* l = low, *r; l < high; l = r+1) {r = (l + grp_length >= high) ? high : l + grp_length - 1;std::sort(l, r);std::swap(*(low+grp_idx++), *(l + (r - l) / 2));}return momedians(low, low + grp_idx);
}//Quick sort
template<typename T>
T qsort(T* const low, T* const high, T* const ptrk) {T* l = low, *r = high;if (l < r) {T pivot = momedians(l, r);while (l < r) {while (l < r && *r >= pivot) {--r;}*l = *r;while (l < r && *l <= pivot) {++l;}*r = *l;}*r = pivot;}//per qsort end, check left == right == ptrk?return r == ptrk ? *ptrk :(r > ptrk ?qsort(low, r - 1, ptrk) :qsort(r + 1, high, ptrk));
}//Blum、Floyd、Pratt、Rivest、Tarjan
template<typename T>
T bfprt(T* const low, T* const high, const int k = 1) {if (low >= high || k < 1 || k > high - low) {throw std::invalid_argument("low > high || k < 1");}return qsort(low, high-1, low + k -1);//[low, high)
}int main() {int arr[18] = { 1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18 };cout << bfprt(&arr[0], &arr[0] + 18, 18) << endl;char str[7] = {'a','b','c','d','e','f','g'};cout << bfprt(&str[0], &str[0] + 7, 4) << endl;string s = "abcdefghijklmnopqrstuvwxyz";cout << bfprt(&s[0], &s[0] + 26, 10) << endl;return 0;
}

References:
[1] 为径，分治算法求第k小元素 O(n)O(n)O(n) & O(nlog2n)O(nlog2^n)O(nlog2n) ，2018-12-25
[2] ACdreamer，BFPRT算法原理，2018-12-25
[3] STL nth_element() , 2018-12-25

BFPRT算法：时间复杂度O(n)求第k小的数字（分治算法+快排）相关推荐

【最详细】BFPRT算法：时间复杂度O(n)求第k小的数字
去年写了一篇对快排进行改进的算法,可以在时间复杂度 O(n)O(n)O(n)的情况下,找到第kkk小的数字. 那时候,我还不知道这个算法叫BFPRT算法--现在知道了,还知道它又被称为中位数的中位数算 ...
找到数组中第k小的值（利用快排的划分函数）
在数组中找到第K小的值,我们利用划分函数,可以做到和快排异曲同工的效果. 话不多说,先上在快排中的划分函数代码: int Parition(vector<int>& ar, int ...
分治算法求第k小元素 O(n) O(nlog2^n)
BFPRT算法:时间复杂度O(n)求第k小的数字(分治算法+快排) 各位小伙伴,由于本篇文章代码太过杂乱.我于 2018年12月25日对文中介绍的算法进行了重写.点击上面的蓝色字体,可以阅读重写后的 ...
借组磁带机求第K小元素
如果输入在磁带机上, 你的机器只有一个磁带机驱动器和几十字的内存,如何找第K小的数 1. 遍历一遍磁带,随即选择一个数M 2. 再遍历一遍磁带, 计算大于和小于M的个数,这样就可以获得数M在总序列中的 ...
两个有序数组合起来求第k小的数+左老师专访ACM大神（笔记）8月5日斗鱼直播实录
1.长度相等的两个有序数组寻找上中位数注:上中位数1 2 3 4 5 6为3(偶数两个中位数为前面那个) 思路:去掉不可能为上中位数的,剩下的简化组合求上中位数. 1.1 奇数序列位置位置位置 ...
数字n，按字典排序，找出第k小的数字
(1)首先列出所有的字典序,然后选择第k个 class Solution { public: bool static compare(int a,int b) { re ...
九度OJ 题目1534：数组中第K小的数字（二分解）
题目链接:点击打开链接题目描述: 给定两个整型数组A和B.我们将A和B中的元素两两相加可以得到数组C. 譬如A为[1,2],B为[3,4].那么由A和B中的元素两两相加得到的数组C为[4,5,5,6 ...
Leetcode 440.字典序第k小的数字
字典序第k小的数字给定整数 n 和 k,找到 1 到 n 中字典序第 k 小的数字. 注意:1 ≤ k ≤ n ≤ 109. 示例 : 输入: n: 13 k: 2 输出: 10 解释: 字典序的排 ...
A*算法的认识与求第K短路模板
现在来了解A*算法是什么现在来解决A*求K短路问题在一个有权图中,从起点到终点最短的路径成为最短路,第2短的路成为次短路,第3短的路成为第3短路,依此类推,第k短的路成为第k短路.那么,第k短路怎 ...

BFPRT算法：时间复杂度O(n)求第k小的数字（分治算法+快排）

1 STL std::nth_element

2 BFPRT算法(中位数的中位数算法)

2.1 举个例子

2.2 算法实现(c++)

BFPRT算法：时间复杂度O(n)求第k小的数字（分治算法+快排）相关推荐

最新文章

热门文章