2011-09-28 15 views
5

Un array viene fornito in modo che il valore del suo elemento aumenti da 0th index ad alcuni (k -1) indice. A k il valore è minimo, e poi inizia ad aumentare nuovamente attraverso l'elemento n. Trova l'elemento minimo.Trova l'elemento minimo in un array, che ha un modello

In sostanza, la sua lista ordinata si aggiungeva a un'altra; esempio: (1, 2, 3, 4, , 1, 2, 3).

Ho provato tutti i tipi di algoritmi come il cumulare di min-heap, la selezione rapida o il semplice attraversamento. Ma non posso farlo sotto O (n). Ma c'è un modello in questo array, qualcosa che suggerisce che un tipo di ricerca binaria dovrebbe essere possibile, e la complessità dovrebbe essere qualcosa come O (log n), ma non riesco a trovare nulla. Pensieri ??

Grazie

+0

Vuoi dire ** diminuisce ** da 0 a K? –

+0

No potrebbe diminuire da k a qualsiasi valore, meno di k e quindi ricominciare ad aumentare. È come se avessimo posizionato due array ordinati uno dopo l'altro in un elenco e abbiamo bisogno di trovare il punto di unione. –

+0

Ho modificato la domanda per, si spera, chiarire, considerando che ho frainteso (e apparentemente non era l'unico). @JimMischel ottiene credito per la chiara spiegazione. – derobert

risposta

4

No Il calo può essere ovunque, non esiste una struttura a questo.

consideri gli estremi

1234567890 
9
1234056789 
1357024689 

Si riduce di trovare l'elemento minimo.

+0

Credo di si ... grazie per le risposte comunque. –

1

Effettuare una ricerca binaria in larghezza per un intervallo decrescente, con una sovrapposizione di un elemento alle divisioni binarie. In altre parole, se si ha, ad esempio, 17 elementi, confrontare gli elementi

0,8 
8,16 
0,4 
4,8 
8,12 
12,16 
0,2 
2,4 

ecc, alla ricerca di un caso in cui l'elemento di sinistra è maggiore di quello destro.

Una volta trovato tale intervallo, recurse, facendo la stessa ricerca binaria all'interno di tale intervallo. Ripeti fino a quando non trovi la coppia adiacente decrescente.

La complessità media non è inferiore a O (log n), con il caso peggiore di O (n). Qualcuno può ottenere una valutazione della complessità media più ristretta? Sembra approssimativamente "a metà strada tra" O (log n) e O (n), ma non vedo come valutarlo. Dipende anche da eventuali vincoli aggiuntivi sugli intervalli di valori e le dimensioni dell'incremento da un membro a quello successivo.

Se l'incremento tra gli elementi è sempre 1, esiste una soluzione O (log n).

+0

Bello! Probabilmente ha un buon comportamento nella media, ma il caso peggiore è ancora O (n), credo. Supponiamo che la pausa assomigli a [... 50, 51, 46, 60, ...]. Lo troverai solo al livello più basso e potresti cercare tutto il resto, a seconda di dove si trova. Penso che tu possa averlo pensato ("Dipende anche da eventuali vincoli aggiuntivi sugli intervalli di valori e la dimensione dell'incremento da un membro al successivo.") –

+0

@ Tom - Grazie! Sì, il caso peggiore è O (n). Con alcuni vincoli, il test può essere modificato da "sinistra più a destra" a qualcosa che ha maggiori probabilità di subirne il calo. Nel caso estremo in cui se i numeri sono noti per essere sequenziali, è possibile verificare se il numero corretto è _precisamente_ x più della sinistra, che lo ottiene nel caso peggiore O (log n). –

1

Non può essere eseguito in meno di O (n).

Il caso peggiore di questo tipo saranno sempre tenerci preoccupante -

Una lista crescente a1, a2, a3 .... ak, ak + 1 ... un

con un solo scarto ak < ak-1 ad es 1,2,3,4,5,6,4,7,8,9,10

E tutti gli altri numeri tengono assolutamente a zero informazioni su valore di 'k' o 'ak'

0

La soluzione più semplice è solo guardare avanti alla lista fino a quando il valore successivo è inferiore a quello corrente, o all'indietro per trovare un valore maggiore di quello corrente. Questo è O (n).

Entrambi contemporaneamente sarebbero ancora O (n), ma il tempo di esecuzione sarebbe probabilmente più veloce (a seconda di complicati fattori di processore/cache).

Non penso che si possa ottenere molto più velocemente algoritmicamente di O (n) poiché molti degli algoritmi di ricerca divide e conquista si basano sull'avere un set di dati ordinato.

Problemi correlati