又稱爲 "中位數的中位數算法",該算法由 Blum、Floyd、Pratt、Rivest、Tarjan 在1973年提出,最壞時間複雜度爲 O(n),最差的空間複雜度爲O(logn)。ios
(1):將 n 個元素劃分爲 ⌊n/5⌋ 個組,每組 5 個元素,如有剩餘,捨去;
(2):使用排序方法找到 ⌊n/5⌋ 個組中每一組的中位數;
(3):對於(2)中找到的全部中位數,遞歸(1)(2)查找中位數的中位數,做爲Partition劃分過程的主元
(4):進行Partition劃分,即一次快排
(5):判斷主元的位置與 k 的大小,有選擇的對左邊或右邊遞歸。算法
BFPRT算法的一個經典應用就是TOP-K問題,即在一組數據中尋找第K大或第K小的元素。
這類問題能夠分爲對數據徹底排序,部分排序和不排序。
徹底排序狀況下能夠使用快速排序等排序方法能達到O(nlogn)的時間複雜度。
部分排序能夠使用冒泡排序,選擇排序等方法也能達到O(kn)的時間複雜度。
不排序的狀況能夠使用堆排序的方法,時間複雜度爲O(nlogk)。
而BFPRT算法解決這類問題能達到O(n)的時間複雜度!!ui
#include <iostream> #include <algorithm> using namespace std; int array[]={1,12,3,4,1,5,2,7,8,88,5,2,32,1,35,-1,7,5,38,-11}; // 插入排序,返回中位數下標 int insertSort(int left,int right){ for(int i=left+1;i<=right;i++){ int temp=array[i],j; for(j=i;j>left&&array[j-1]>temp;j--) array[j]=array[j-1]; array[j]=temp; } return (left+right)>>1; } int BFPRT(int,int,int); //返回中位數的中位數的下標 int getPivotIndex(int left,int right){ if(right-left<5) return insertSort(left,right); int back=left-1; for(int i=left;i+4<right;i+=5){ int index=insertSort(i,i+4); swap(array[++back],array[index]); } return BFPRT(left,back,((left+back)>>1)+1); } //一趟快排 int partition(int left,int right,int pivotIndex){ swap(array[right],array[pivotIndex]); int mid=left; for(int i=left;i<right;i++){ if(array[i]<array[right]) swap(array[i],array[mid++]); } swap(array[right],array[mid]); return mid; } int BFPRT(int left,int right,int k){ int pivotIndex=getPivotIndex(left,right); int mid=partition(left,right,pivotIndex); int count=mid-left+1; if(count==k){ return mid; }else if(count>k){ return BFPRT(left,mid-1,k); } else{ return BFPRT(mid+1,right,k-count); } } int main(){ int k=5; int length=sizeof(array)/sizeof(array[0]); for(int i=0; i<length; i++) { cout<<array[i]<<" "; } cout<<endl<<"第"<<k<<"小爲:"; cout<<array[BFPRT(0,length-1,k)]<<endl; return 0; }
中位數的遞歸調用不超過最壞的線性狀況,由於中位數列表是整個列表大小的20%,而其餘的遞歸調用列表的最多70%,令T(n)爲時間複雜度,則
spa
使用概括法,能夠獲得code
分析過程參考Median of medians排序