分治法求第k小的数

这周的作业是写一篇关于分治法的博客：描述求第 k 小的数的分治算法、分析它的复杂度，再谈谈对分治法的体会。课上正好讲了这个问题的做法，我把它和自己的理解整理成了下面这篇。

问题描述

给定一个长度为 n 的数组 A 和一个整数 k（1 ≤ k ≤ n），求 A 中第 k 小的数。

例如 A = [7, 10, 4, 3, 20, 15]，k = 3，第 3 小的数是 7。

最直接的做法是先把数组排好序，再取下标 k-1 的元素——排序至少是 O(n log n)，而且做了很多没用的工作：我们只关心排在第 k 位的是谁，其余元素之间的顺序其实无所谓。

分治法给了另一条路：不用完整排序，借用快速排序的 partition（划分）操作，每次只往包含答案的那一侧继续找。这个做法通常叫快速选择（quickselect）。

思路与分析

算法描述（自然语言）

1. 在当前区间 A[lo..hi] 里取一个基准元素 pivot，这里固定取区间的第一个元素 A[lo]；
2. 对区间做一次划分（partition）：重排区间内的元素，让比 pivot 小的都在左边、比 pivot 大的都在右边，最后把 pivot 放到分界位置，记它的下标为 p；
3. 记 rank = p - lo + 1，它表示基准是当前区间里第 rank 小的元素。比较 k 和 rank：
   • k = rank：答案就是 A[p]，直接返回；
   • k < rank：答案在左半边，继续在 A[lo..p-1] 里找第 k 小；
   • k > rank：答案在右半边，继续在 A[p+1..hi] 里找第 k - rank 小；
4. 边界：区间只剩一个元素时直接返回它。

关键在第三步：每次划分之后都能确定答案在基准的哪一侧，然后把另一侧整段丢掉，只对剩下的那一侧继续分治。

伪代码：

SELECT(A, lo, hi, k):            // 在 A[lo..hi] 中找第 k 小（k 从 1 计）
    if lo == hi: return A[lo]
    p ← PARTITION(A, lo, hi)     // 取 A[lo] 为基准，返回基准归位后的下标
    rank ← p - lo + 1            // 基准是当前区间里第 rank 小
    if k == rank:      return A[p]
    else if k < rank:  return SELECT(A, lo, p - 1, k)
    else:              return SELECT(A, p + 1, hi, k - rank)

其中 PARTITION 就是快速排序里的那一步划分：以 A[lo] 为基准，把区间重排成"小于基准的在左、大于基准的在右"，基准归位后返回它的下标。

有一个容易写错的细节：进入右半边递归时，目标排名要更新成 k - rank。左半边连同基准一共 rank 个元素已经被排除，答案的排名会相应减小。

复杂度分析

每次划分都要扫描当前区间的所有元素，代价与区间长度成正比；划分之后，只需要继续处理答案所在的那一侧。

最好情况：O(n)

最好情况是每次划分后，基准都正好落在区间中间，把当前区间对半分。此时递推式为 \(T(n) = T(n/2) + cn\)，展开得 \(T(n) \le cn(1 + 1/2 + 1/4 + \dots) \le 2cn = O(n)\)。每层只做一次线性扫描，而且只进入一半的递归，所以整体是线性的。

最坏情况：O(n²)

最坏情况出现在基准每次都选得很"偏"的时候。以固定取首元素为基准为例：如果数组已经基本有序，基准恰好是当前区间里的最小元素，划分后它左边为空、右边还剩 n-1 个元素——问题规模每层只缩小 1，递推式变成 \(T(n) = T(n-1) + cn = O(n^2)\)。这和快速排序退化成 O(n²) 是同一个原因：每层都只排除一个元素，却付了一次线性扫描的代价。

作为对比：先把数组完整排序再取对应位置，需要 O(n log n)；而这个算法顺利的时候只要 O(n)，代价是最坏情况会退化。

体会与思考

1. 分治的效率来自"只处理一侧"。这个算法和快速排序用的是同一个划分动作，但快速排序递归时左右两边都要处理，它每次只进入与答案有关的那一侧，另一侧整段丢掉——不用完整排序，也不需要把两半合起来。
2. 分析最坏情况时，要主动去构造"最坏的输入"。基准固定取首元素时，接近有序的数组会让每层只排除一个元素，复杂度直接退化到 O(n²)。这提醒我：看一个算法不能只算顺利的时候，还得想清楚什么样的数据会把它逼到最坏。
3. 分治的"合"不一定都需要显式写出来。通常说分治是"分、治、合"三步：这里"分"是划分，"治"是只对一侧递归，而"合"几乎不需要——因为每层划分完就能确定答案在哪一侧，答案的位置在缩小范围的过程中自然就锁定了。