Course 10 削減與搜尋 Prune and Search

Presentation on theme: "Course 10 削減與搜尋 Prune and Search"— Presentation transcript:

1 Course 10 削減與搜尋 Prune and Search

2 ▓ Outlines 本章重點 Prune and Search概念 A Simple Example: 二分搜尋法
挑選第k小的元素 (kth Selection) 問題

3 ▓ Prune and Search概念 可視為切割與征服 (Divide and Conquer) 策略的特例。
在一個資料集合當中，依照目前問題的特性，事先去除掉一些答案不可能存在的資料子集，再由目前剩下的資料子集繼續嘗試搜尋答案。 包含多次的處理，每次的處理都會將資料集合刪除固定的百分比，並運用同樣的方法遞迴地以刪除後的資料當作輸入資料重新解問題。經過若干次處理後，資料量將可縮小到能用固定常數的時間解得答案。 它的精神所在便是如何有效地刪減資料集合，就像切割與征服 (Divide and Conquer) 策略強調的如何有效的合併。不過由於利用削減搜尋法得出來的演算法，有時會和分割解決法所得的結果相同，因此這兩種方法時常被混淆。

4 ▓ A simple example: 二分搜尋法
有一排序後之序列如下 : (Search 9) step 1  step  step 3  在每一次比較以後，總是會有一群資料被削減掉 (pruned away). Binary search 可視為特殊的切割與征服策略!!這是因為： 切割與征服策略強調將母問題切割成較小的問題 (Divide)，再使用相同的解決程序對所有小問題加以分別處理 (Conquer)。所有小問題的解可以成為母問題的最後解; 若有必要，則再將每個小問題的處理結果加以合併。 但二分搜尋法將問題切割及經過一次比較後，會直接將答案不存在之一方的所有資料削減掉 (Prune)，再使用相同的程序去搜尋另一方 (Search)。

5 ▓挑選第k小的元素問題 (kth Selection)
問題定義： 已知有n個元素的集合S。求一個Algorithm可找出S中第k小的數。 特別要求：在O(n)內找出解答。 此問題的直觀解法： 先對n個元素排序 再由小到大依序找出第k個數值即為解答 直觀解法的時間複雜度：O(n log2n) 採Prune and Search解法的時間複雜度：O(n)

6 令集合S={a1, a2, …, an}，挑出一個元素 pS，利用 p 將 S分成三部份 S1 , S2 , S3:
S1={ ai | ai < p , 1  i  n} //其內元素皆小於p S2={ ai | ai = p , 1  i  n} //其內元素皆等於p S3={ ai | ai > p , 1  i  n} //其內元素皆大於p 有三個判斷條件以找出第k小的元素: If |S1|  k , then 第k小的元素存在於 S1，prune away S2 and S3。 else, if |S1| + |S2|  k, then p即為第k小的元素。 else,第k小的元素存在於S3中，prune away S2 and S3。令k’ = (k - |S1| - |S2|)，在 S3中找第k’個元素即為解答. 說明圖示： S1 S2 S3 k’ k k k

7 如何挑選p? 將n個元素區分成5個一組，分行存放。若最後一組元素不足5個，則以補足 把每一組由小到大排序，每組第三大元素即是組中位數M
選p為所有組中位數 (有 個) 的中位數 (by recursive call) At least 1/4 of S known to be less than or equal to P. Each 5-element subset is sorted in non-decreasing sequence. P M At least 1/4 of S known to be greater than or equal to P.

8 演算法 Input: A set S of n elements.
Output: The kth smallest element of S. Step 1: 將 S 分成 n/5 組資料集合，每一組有5個資料，不足5個資料以  補足。 Step 2: 排序每一組資料 Step 3: 找出所有組中位數的中位數 Step 4: 將S區分成三部份S1, S2 and S3, which contain the elements less than, equal to, and greater than p, respectively. Step 5: 利用三個判斷條件以找出第k小的元素: If |S1|  k , then 第k小的元素存在於 S1，prune away S2 and S3。 else, if |S1| + |S2|  k, then p即為第k小的元素。 else,第k小的元素存在於S3中，prune away S1 and S2。令k’ = (k - |S1| - |S2|)，在 S3中找第k’個元素即為解答.

9 範例 S = {1, 25, 2, 24, 3, 23, 4, 22, 5, 21, 6, 20, 7, 19, 8, 18, 9, 17, 10, 16, 11, 15, 12, 14, 13}，找第k小的元素。 Ans [Step 1] [Step 2] 1 25 2 24 3 23 4 22 5 21 6 20 7 19 8 18 9 17 10 16 11 15 12 14 13 1 2 3 24 25 4 5 21 22 23 6 7 8 19 20 9 10 16 17 18 11 12 13 14 15

10 [Step 5] 利用三個判斷條件以找出第k小的元素
若 k = 11 (搜尋範圍 |S1|) 若 k = 13 (搜尋範圍 |S1|+ |S2|) 若 k = 22 (搜尋範圍 |S3|) 1 2 3 24 25 4 5 21 22 23 6 7 8 19 20 9 10 16 17 18 11 12 13 14 15 1 2 3 24 25 4 5 21 22 23 6 7 8 19 20 9 10 16 17 18 11 12 13 14 15 1 2 3 24 25 4 5 21 22 23 6 7 8 19 20 9 10 16 17 18 11 12 13 14 15 : S1 : S2 : S3

11 Time complexity At least n/4 elements are pruned away.
The problem remaining in step 5 contains at most 3n/4 elements. Time complexity: T(n) = O(n) step 1: O(n) //掃一輪即可得知 step 2: O(n) //有 n/5 組資料，每組資料排序需固定常數時間O(1) step 3: T(n/5) //採遞迴方式找尋，共有 n/5 組 step 4: O(n) //掃一輪即可得知 step 5: T(3n/4) //每次Prune掉至少n/4資料量後，尚有3n/4左右的剩餘資料需遞迴執行 遞迴方程式為T(n) = T(3n/4) + T(n/5) + O(n)，採遞迴樹法分析，可得知此演算法的時間複雜度為 O(n)