推 springman: 其實就是用 median of median 的演算法,只是找到 10/14 09:24
→ springman: median of median m 之後,用 binary search 找出 10/14 09:25
→ springman: 每個排序的陣列中有幾個元素比 m 小,看看要找的 10/14 09:25
→ springman: median 比 m 大還是比 m 小。 10/14 09:26
→ springman: 雖然每次可能只能減少 1/4 的元素,不過沒關係。 10/14 09:26
→ springman: 每次花的時間,理論值是 O(n) 找 median of median 10/14 09:27
→ springman: O(n log n) 找比 m 小的元素個數。 10/14 09:28
→ springman: 總共應該只需要花 O(log n) 次 10/14 09:28
→ springman: 每次都要使用排序好的陣列。 10/14 09:29
→ yr: 可是 problem size 不是 n^2 嗎?這樣上面的 n 都要換成 n^2 10/14 11:27
推 springman: 因為 n 個 size 為 n 的數列已經排序好了 10/14 13:12
→ springman: 要算有幾個元素比 m 小時,並不是拿 n^2 個元素來比較 10/14 13:13
→ springman: 而是去每個數列做 binary search,所以時間是 O(nlogn) 10/14 13:13
→ DJWS: 第二回合要怎麼找median of median? 10/14 15:00
推 springman: 每一個數列是哪個範圍的元素在候選名單中需要記下來 10/14 18:21
→ springman: 候選範圍的資料的 median 同樣可以找 median。 10/14 18:21
推 FRAXIS: 其實找median of median可以用排序 不影響複雜度 10/14 20:09
→ FRAXIS: 但是會比較容易作 10/14 20:09
→ DJWS: 應該是不得不排序 為了知道「減少1/4的元素」來自哪些陣列 10/14 23:04
^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ 我搞錯了 這一句當我沒說...
→ DJWS: springman的方法看起來可行 是O(n logn logn) 10/14 23:05
※ 編輯: DJWS (111.250.80.176), 10/14/2014 23:51:31
推 FRAXIS: 但是要怎麼證明一次可以刪除O(n/4)個元素? 10/15 01:27
→ FRAXIS: 因為到最後每一列的元素都不一樣多 原本median of median 10/15 01:27
→ FRAXIS: 的證明法好像不能直接套用 10/15 01:28