- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我试图编写一个排序算法,它接受一个输入数组并生成排序数组。以下是算法的约束条件。
时间复杂度= $O(n \ log n)$
整个算法中只有一个比较操作。
我们有一个函数可以为一组三个元素提供中值。
我试着找到解决办法,结果如下。
我们用中值函数得到最小和最大对。
例如:给一个数组A[1..n],我们得到前三个元素的中值,我们称之为集合,然后得到$median$在下一次迭代中,我们从集合中移除接收到的中值,并将下一个元素添加到集合中,然后再次调用中值函数当在整个长度上重复此步骤时,将为整个数组生成一对最大和最小元素。
我们使用这一对,使用比较操作并将它们放在位置A[0]&A[n-1]。
我们对数组a[1..n-2]重复相同的操作,得到另一对最大和最小的数组。
我们用a[0]和新收到的对来计算中值。
中值放在A[1]处。
我们用A[n-1]和新收到的一对取中值。
中值放在a[n-2]处。
重复步骤3~7以获得排序数组。
该算法满足条件2和3,但不满足时间复杂度。我希望有人能提供一些指导,如何进一步进行。
最佳答案
快速排序(按相反顺序显示)的工作方式如下。假设您有一个数组:
[1, 4, 5, 2, 3]
pivot
。快速排序的第一步是确保轴位于正确的位置。
pivot
-我们想要放在正确位置的项目。对于这个简单的例子,我们将使用最后一个数字
(3)
。
pivot
是我们的比较值。
pivot
/比较值,我们就监视最左边的元素
(1)
,最右边的元素
(3)
。我们称之为
left-pointer
和
right-pointer
left-pointers
的任务是向数组的中间滑动,当它找到大于
pivot
的内容时停止。
right
指针做同样的事情,但是它向内滑动寻找小于
pivot
的值。代码中:
while (true) {
while (array[++left] < pivot);
while (array[--right] > pivot) if (left == right) break;
if (left >= right) break; // If the pointers meet then exit the loop
swap(array[left], array[right]); // Swap the values otherwise.
}
left-pointer
点击
(4)
时,它会识别出这个值高于pivot元素并停止移动。右枢轴从右侧执行相同的操作,但当它碰到
(2)
时停止,因为它低于
pivot
。当双方都停下来时,我们做一个交换,所以我们最终得到:
[1, 2, 5, 4, 3]
(3)
,因为它们都会在中间停止。然后我们交换,这样我们得到:
[1, 2, 3, 4, 5]
(Notice that we swap the original pivot (3) with the value pointed to by both sides (5))
int partition(int *array, int lBound, int rBound) {
int pivot = array[rBound]; // Use the last element as a pivot
int left = lBound - 1; // Point to one before the first element
int right = rBound; // Point to the last element;
// We'll break out of the loop explicity
while (true) {
while (array[++left] < pivot);
while (array[--right] > pivot) if (left == right) break;
if (left >= right) break; // If the pointers meet then exit the loop
swap(array[left], array[right]); // Swap the pointers otherwise.
}
swap(array[left], array[rBound]); // Move the pivot item into its correct place
return left; // The left element is now in the right place
}
left/right-pointers
值移动到正确的位置,然后确保枢轴左侧的所有内容都小于该值,右侧的所有内容都大于该值。因此,尽管在本例中,数组是完全排序的,但一般来说,我们只能保证一个项和一个项位于正确的位置(左、右两边的内容分别是大/小)。这就是上面的
(5)
方法返回
pivot
的原因,因为它告诉调用函数这一个元素位于正确的位置(并且数组已正确分区)。
[1, 7, 5, 4, 2, 9, 3]
[1, 3, 2, [4], 7, 5, 9]
partition
函数代码中:
int *quicksort(int *array, int lBound, int rBound) {
if (lBound >= rBound) return array; // If the array is size 1 or less - return.
int pivot = partition(array, lBound, rBound); // Split the array in two.
quicksort(array, lBound, pivot - 1); // Sort the left size. (Recursive)
quicksort(array, pivot + 1, rBound); // Sort the right side. (Recursive)
return array;
}
left
,最终我们会将数组减半并对其进行分区,直到得到大小为1的数组(根据定义,数组已经排序)。所以我们进行分区,然后对半,分区,对半,等等,直到整个数组排序(到位)。这给了我们一个
quicksort
时间的排序。太酷了!
int main() {
int array [] {1, 0, 2, 9, 3, 8, 4, 7, 5, 6};
quicksort(array, 0, 9); // Sort from zero to 9.
// Display the results
for (int index = 0; index != 10; ++index) {
cout << array[index] << endl;
}
return 0;
}
关于arrays - 算法:在$ O(n\log n)$中使用中位数和Just 1比较排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19080059/
在使用 requests 库中的状态代码时,我遇到了一些奇怪的事情。每个 HTTP 状态代码都有一个常量,有些具有别名(例如,包括 200 的复选标记): url = 'https://httpbin
这是我得到的代码,但我不知道这两行是什么意思: o[arr[i]] = o[arr[i]] || {}; o = o[arr[i]]; 完整代码: var GLOBAL={}; GLOBAL.name
所以这个问题的答案What is the difference between Θ(n) and O(n)? 指出“基本上,当我们说算法是 O(n) 时,它也是 O(n2)、O(n1000000)、O
这是一个快速的想法;有人会说 O(∞) 实际上是 O(1) 吗? 我的意思是它不依赖于输入大小? 所以在某种程度上它是恒定的,尽管它是无限的。 或者是唯一“正确”的表达方式 O(∞)? 最佳答案 无穷
这是真的: log(A) + log(B) = log(A * B) [0] 这也是真的吗? O(log(A)) + O(log(B)) = O(log(A * B)) [1] 据我了解 O(f
我正在解决面试练习的问题,但我似乎无法找出以下问题的时间和空间复杂度的答案: Given two sorted Linked Lists, merge them into a third list i
我了解 Big-Oh 表示法。但是我该如何解释 O(O(f(n))) 是什么意思呢?是指增长率的增长率吗? 最佳答案 x = O(n)基本上意味着 x <= kn对于一些常量 k . 因此 x = O
我正在编写一个函数,该函数需要一个对象和一个投影来了解它必须在哪个字段上工作。 我想知道是否应该使用这样的字符串: const o = { a: 'Hello There' }; funct
直觉上,我认为这三个表达式是等价的。 例如,如果一个算法在 O(nlogn) + O(n) 或 O(nlogn + n) 中运行(我很困惑),我可以假设这是一个O(nlogn) 算法? 什么是真相?
根据 O'Reilly 的 Python in a Nutshell 中的 Alex Martelli,复杂度类 O(n) + O(n) = O(n)。所以我相信。但是我很困惑。他解释说:“N 的两个
O(n^2)有什么区别和 O(n.log(n)) ? 最佳答案 n^2 的复杂性增长得更快。 关于big-o - 大 O 符号 : differences between O(n^2) and O(n
每当我收到来自 MS outlook 的电子邮件时,我都会收到此标记 & nbsp ; (没有空格)哪个显示为?在 <>. 当我将其更改为 ISO-8859-1 时,浏览器页面字符集编码为 UTF-8
我很难理解 Algorithms by S. Dasgupta, C.H. Papadimitriou, and U.V. Vazirani - page 24 中的以下陈述它们将 O(n) 的总和表
我在面试蛋糕上练习了一些问题,并在问题 2给出的解决方案使用两个单独的 for 循环(非嵌套),解决方案提供者声称他/她在 O(n) 时间内解决了它。据我了解,这将是 O(2n) 时间。是我想错了吗,
关于 Java 语法的幼稚问题。什么 T accept(ObjectVisitorEx visitor); 是什么意思? C# 的等价物是什么? 最佳答案 在 C# 中它可能是: O Accept(
假设我有一个长度为 n 的数组,我使用时间为 nlogn 的排序算法对它进行了排序。得到这个排序后的数组后,我遍历它以找到任何具有线性时间的重复元素。我的理解是,由于操作是分开发生的,所以时间是 O(
总和 O(1)+O(2)+ .... +O(n) 的计算结果是什么? 我在某处看到它的解决方案: O(n(n+1) / 2) = O(n^2) 但我对此并不满意,因为 O(1) = O(2) = co
这个问题在这里已经有了答案: 11 年前关闭。 Possible Duplicate: Plain english explanation of Big O 我想这可能是类里面教的东西,但作为一个自学
假设我有两种算法: for (int i = 0; i 2)更长的时间给定的一些n - 其中n这种情况的发生实际上取决于所涉及的算法 - 对于您的具体示例, n 2)分别时间,您可能会看到: Θ(n)
这个问题在这里已经有了答案: Example of a factorial time algorithm O( n! ) (4 个回答) 6年前关闭。 我见过表示为 O(X!) 的 big-o 示例但
我是一名优秀的程序员,十分优秀!