算法第二章

自然语言描述（基于快速选择算法 QuickSelect）：
1.选择基准：在数组 A 中随机选择一个元素作为基准。
2. 划分：根据基准元素对数组进行重新排列，使得小于基准的元素都放在基准的左边，大于基准的元素都放在基准的右边。此时基准元素所在的位置 p 就是它在整个数组排序后的正确下标。
3. 判断与递归：
如果 k == p：说明基准元素恰好就是第 k 小的数，直接返回 A[p]。
如果 k < p：说明第 k 小的数在基准的左边，递归地在左半部分寻找第 k 小的数。
如果 k > p：说明第 k 小的数在基准的右边，递归地在右半部分寻找第 k - p 小的数（因为左边已经有 p 个数比它小了）。

分析该算法的最好时间复杂度和最坏时间复杂度
1.最好时间复杂度：O(n)
分析：当每次选择的基准元素恰好是整个区间的“中位数”时，每次划分都能将数组均匀地分为左右两个部分，搜索范围缩小一半。
递推公式：T(n) = T(n/2) + O(n)。第一层划分需要遍历n个元素，第二层遍历 n/2，第三层 n/4，累加和趋近于 2n，因此复杂度为 O(n)。
2.最坏时间复杂度：O(n²)
分析：当每次选择的基准元素都是当前区间的最小值或最大值时（例如数组已经是正序或逆序排列，且每次固定选择第一个元素作为基准），划分极度不平衡。
递推公式：T(n) = T(n-1) + O(n)。每次只能排除一个元素，递归深度变为 n，累加开销为 n + (n-1) + ... + 1 = O(n²)。

结合本章学习，对分治法的体会如下：

1. 核心思想：化大为小，各个击破。
2. 关键要点：划分需均衡。如找第k小数时，基准选不好会退化为O(n²)。
3. 灵活变通：找第k小数只需递归单侧（减治），无需合并，效率更高。
4. 利弊权衡：递归代码简洁优雅，但存在栈空间开销，需防溢出。