【问题标题】:Having trouble understanding peak finding algorithm differences难以理解寻峰算法的差异
【发布时间】:2015-02-21 20:22:36
【问题描述】:

这是一个关于一维峰值查找的问题(如果元素大于数组中的邻居,则元素是峰值)。我正在观看麻省理工学院的开放课件讲座,他谈到了从索引 0 开始到结束的幼稚解决方案。

然后他说分而治之的解决方案要好得多。我不明白这是怎么回事。这不是根据数组的内容做出假设吗?如果都是随机数,那有什么区别呢?

讲师说他编写了一个 Python 脚本,幼稚的解决方案需要 13 秒,而 log(N) 解决方案只需要 0.001 秒。我写了一些 C# 代码,朴素的算法在前 20 个左右的元素中找到了一个峰值,并需要一毫秒的时间来运行。我在这里遗漏了什么吗?

这是讲座的PDF摘要:http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-006-introduction-to-algorithms-fall-2011/lecture-videos/MIT6_006F11_lec01.pdf

【问题讨论】:

  • 一个峰不小于它的邻居。

标签: arrays performance algorithm time-complexity complexity-theory


【解决方案1】:

峰的问题是峰总是存在于中间或左半边或右半边。

假设你发现中间元素是5,左边是6。那么6是一个高峰吗?不,如果6 的左元素更大,比如说7。那么7是一个高峰吗?不,如果7 的左元素更大,比如说8。您可以继续此过程,直到找到峰值或到达最左侧的元素。在后一种情况下,您会得到越来越多的数字序列,因此最左边的元素是一个峰值。

所以如果你发现中间元素比左邻元素小,那么你肯定知道要在左半边寻找一个峰值。您不在乎右半部分是否还有另一个峰值,但该数字的分布是随机的。如果中间元素比它的右邻元素小,情况也是如此。

让我们再举一个例子:假设你在马路中间。你向左看,你会看到一个更高的点。然后你知道这两件事中的一件可能发生。要么你总是向左走,找到越来越高的点,要么你找到一个高峰。但你不能永远离开。如果您到达路的尽头,那么这一定是一个高峰。所以你右边发生的事情根本不重要。如果你向左走,你有信心找到一个高峰。

就您的实施的运行时间而言。如果在开始附近找到一个峰值,则朴素算法将快速完成。使用从1 到1000000 的序列来测试它,因为峰值位于最后一个元素。

【讨论】:

  • 我什至不明白如何使用以下示例:[ 4, 3, 2, 1, 0, 5 ]。 5 是高峰,但中间是1 或2,你会走到左边。但是峰值在右边。我错过了什么?对不起,英语不是我的母语。也许这只是语言问题。
  • @ViníciusGobboA.deOliveira 4也是一个高峰,你找到了
  • 该算法在链接中找到一个峰值。不一定是 5。例如 4 也是一个峰值。
  • 那么峰值元素不是数组中较大的元素吗?只是邻居较小的那个?这意味着一个数组可以有很多峰,对吧?而算法任务是只找到一个?
  • 很好的答案,为了完整起见,可能会提到它们相等(左、中、右)的情况,这也被认为是一个峰值。所以在 [5, 5, 5, 5, 5, 5, 5, 5, 5 6] 中是否不需要找到 6。
【解决方案2】:
  1. 分而治之更好,因为它在最坏的情况下具有O(log n) 时间复杂度。这个渐近上界不依赖于数组的内容。朴素算法的时间复杂度为O(n)。它可以对大型数组产生巨大影响。

  2. 关于您的基准测试的部分非常不清楚。您进行了哪些测试?你是如何衡量执行时间的?一个朴素算法的实现可以快速在一个特定数组中找到一个峰值这一事实并不意味着它通常是有效的。

【讨论】:

  • 我用 C# 秒表测量了执行时间。我用从 0 到 10,000,000 的随机整数填充了一个包含 10,000,000 个元素的数组。如果这一切都是随机的,那么我完全不明白分而治之如何帮助。
猜你喜欢
  • 2013-09-26
  • 1970-01-01
  • 2010-12-15
  • 1970-01-01
  • 2021-11-02
  • 2017-08-02
  • 1970-01-01
  • 1970-01-01
  • 1970-01-01
相关资源
最近更新 更多