7-2 找第k小的数 (20分) —— 分治算法

简介: 7-2 找第k小的数 (20分) —— 分治算法

7-2 找第k小的数 (20分)


设计一个平均时间为O(n)的算法,在n(1<=n<=1000)个无序的整数中找出第k小的数。


提示:函数int partition(int a[],int left,int right)的功能是根据a[left]a[right]中的某个元素x(如a[left])对a[left]a[right]进行划分,划分后的x所在位置的左段全小于等于x,右段全大于等于x,同时利用x所在的位置还可以计算出x是这批数据按升非降序排列的第几个数。因此可以编制int find(int a[],int left,int right,int k)函数,通过调用partition函数获得划分点,判断划分点是否第k小,若不是,递归调用find函数继续在左段或右段查找。


输入格式:


输入有两行:


第一行是n和k,0<k<=n<=10000


第二行是n个整数


输出格式:


输出第k小的数


输入样例:


在这里给出一组输入。例如:


10 4
2 8 9 0 1 3 6 7 8 2


输出样例:


在这里给出相应的输出。例如:


2


题解


通过快速排序对数据进行排序,然后输出第K个数


函数int partition(int a[],int left,int right)的功能是根据a[left]a[right]中的某个元素x(如a[left])对a[left]a[right]进行划分,划分后的x所在位置的左段全小于等于x,右段全大于等于x,同时利用x所在的位置还可以计算出x是这批数据按升非降序排列的第几个数。


然后编写quicksort函数进行排序,通过调用partition函数获得划分点,判断划分点是否第k小,若不是,递归调用find函数继续在左段或右段查找。


伪代码


int partition(int a[], int left, int right)//寻找中间值
{
  int i = left;//定义左标记
  int j = right;//定义右标记
  int x = a[left]; 
  while (至少有两个元素即左标记小于右标记时)
  {
    while (左标记小于右标记时并且右标记的值大于中间值时)
    {
      右标记移向前一位;
    }
    if (左标记小于右标记)
    {
      a[i++] = a[j];//当a[j]的值小于x时,与a[i]对换位置
    }
    while (左标记小于右标记时并且左标记的值小于中间值时)//左标记的值小于中间值时继续,判断后一位
    {
      左标记移向后一位;
    }
    if (左标记小于右标记)
    {
      a[j--] = a[i];//当a[i]的值大于x时,与a[j]对换位置
    }
  }
  a[i] = x;//找出最后的中间值
  return i;//得到中间值位置
}
void quicksort(int a[], int left, int right)//快速排序
{
  if (left < right)
  {
    int m = partition(a, left, right);//定义m为中间值位置
    quicksort(a, left, m - 1);//对中间值左边排序
    quicksort(a, m + 1, right);//对中间值右边排序
  }
}


代码


#include<iostream>
using namespace std;
// 寻找中间值
int partition(int a[], int left, int right)
{
  int i = left;   //定义左标记
  int j = right;    //定义右标记
  int x = a[left];  //中间值
  while (i < j)   //当最少两个值时进行执行
  {
    while (i < j && a[j] >= x)//右标记的值大于中间值时继续,判断前一位
    {
      j--;
    }
    if (i < j)
    {
      a[i++] = a[j];      //当a[j]的值小于x时,与a[i]对换位置
    }
    while (i < j && a[i] < x) //左标记的值小于中间值时继续,判断后一位
    {
      i++;
    }
    if (i < j)
    {
      a[j--] = a[i];      //当a[i]的值大于x时,与a[j]对换位置
    }
  }
  a[i] = x;   //找出最后的中间值
  return i;   //得到中间值位置
}
// 快速排序
void quicksort(int a[], int left, int right)
{
  if (left < right)
  {
    int m = partition(a, left, right);  //定义m为中间值位置
    quicksort(a, left, m - 1);      //对中间值左边排序
    quicksort(a, m + 1, right);     //对中间值右边排序
  }
}
int main()
{
  int n, k;
  cin >> n >> k;
  int a[10000];
  for (int i = 0; i < n; i++)
  {
    cin >> a[i];
  }
  quicksort(a, 0, n - 1); //对所有值排序
  cout << a[k - 1];   //输出第K个值
  return 0;
}
相关文章
|
人工智能 自然语言处理 算法
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
【2月更文挑战第24天】当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
205 2
当prompt策略遇上分治算法,南加大、微软让大模型炼成“火眼金睛”
|
9月前
|
算法 搜索推荐 Java
算法系列之分治算法
分治算法(Divide and Conquer)是一种解决复杂问题的非常实用的策略,广泛应用于计算机科学中的各个领域。它的核心思想是将一个复杂的问题分解成若干个相同或相似的子问题,递归地解决这些子问题,然后将子问题的解合并,最终得到原问题的解。分治算法的典型应用包括归并排序、快速排序、二分查找等。
294 72
 算法系列之分治算法
|
算法 开发者 Python
惊呆了!Python算法设计与分析,分治法、贪心、动态规划...这些你都会了吗?不会?那还不快来学!
【7月更文挑战第10天】探索编程巅峰,算法至关重要。Python以其易读性成为学习算法的首选。分治法,如归并排序,将大问题拆解;贪心算法,如找零问题,每步求局部最优;动态规划,如斐波那契数列,利用子问题解。通过示例代码,理解并掌握这些算法,提升编程技能,面对挑战更加从容。动手实践,体验算法的神奇力量吧!
182 8
|
算法 Python
算法不再难!Python分治法、贪心、动态规划实战解析,轻松应对各种算法挑战!
【7月更文挑战第8天】掌握Python算法三剑客:分治、贪心、动态规划。分治如归并排序,将大问题拆解递归解决;贪心策略在每步选最优解,如高效找零;动态规划利用子问题解,避免重复计算,解决最长公共子序列问题。实例展示,助你轻松驾驭算法!**
204 3
|
11月前
|
供应链 算法
【算法】——快排,分治算法合集
本文主要介绍排序中的快排思想的应用,做到一法通万法的效果
121 16
|
12月前
|
算法 Python
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果
在Python编程中,分治法、贪心算法和动态规划是三种重要的算法。分治法通过将大问题分解为小问题,递归解决后合并结果;贪心算法在每一步选择局部最优解,追求全局最优;动态规划通过保存子问题的解,避免重复计算,确保全局最优。这三种算法各具特色,适用于不同类型的问题,合理选择能显著提升编程效率。
241 2
|
算法 Python
Python算法高手进阶指南:分治法、贪心算法、动态规划,掌握它们,算法难题迎刃而解!
【7月更文挑战第10天】探索Python算法的精华:分治法(如归并排序)、贪心策略(如找零钱问题)和动态规划(解复杂问题)。通过示例代码揭示它们如何优化问题解决,提升编程技能。掌握这些策略,攀登技术巅峰。
315 2
|
算法 程序员 Python
算法小白到大神的蜕变之路:Python分治法、贪心、动态规划,一步步带你走向算法巅峰!
【7月更文挑战第9天】探索算法之旅,以Python解锁编程高手之路。分治法如二分查找,将复杂问题拆解;贪心算法解决活动选择,每次选取局部最优;动态规划求斐波那契数列,避免重复计算,实现全局最优。每一步学习,都是编程能力的升华,助你应对复杂挑战,迈向算法大师!
155 1
|
存储 算法 Python
Python算法界的秘密武器:分治法巧解难题,贪心算法快速决策,动态规划优化未来!
【7月更文挑战第9天】Python中的分治、贪心和动态规划是三大关键算法。分治法将大问题分解为小问题求解,如归并排序;贪心算法每步选局部最优解,不保证全局最优,如找零钱;动态规划存储子问题解求全局最优,如斐波那契数列。选择合适算法能提升编程效率。
169 1
|
存储 算法 Python
震撼!Python算法设计与分析,分治法、贪心、动态规划...这些经典算法如何改变你的编程世界!
【7月更文挑战第9天】在Python的算法天地,分治、贪心、动态规划三巨头揭示了解题的智慧。分治如归并排序,将大问题拆解为小部分解决;贪心算法以局部最优求全局,如Prim的最小生成树;动态规划通过存储子问题解避免重复计算,如斐波那契数列。掌握这些,将重塑你的编程思维,点亮技术之路。
180 1

热门文章

最新文章