Ταξινόμηση κάδου και ταξινόμηση Ρίζας Bucket-Sort και Radix-Sort

Transcript

1 Ταξινόμηση κάδου και ταξινόμηση Ρίζας Bucket-Sort και Radix-Sort 1, c 3, a 3, b 7, d 7, g 7, e B

2 BucketSort (Ταξινόμηση Κάδου) - Αρχικά θεωρείται ένα κριτήριο κατανομής με βάση το οποίο το σύνολο των κλειδιών κατανέμεται σε m ανεξάρτητα υποσύνολα κλειδιών που ονομάζονται κάδοι. Στη συνέχεια τα κλειδιά κάθε κάβου κατανέμονται και πάλι αναδρομικά σε m μικρότερους κάδους

3 BucketSort (Ταξινόμηση Κάδου) - Έστω πίνακας Α μεγέθους Ν που τα στοιχεία του παίρνουν ακέραιες τιμές στο διάστημα 0...Μ-1 - Ο BucketSort μπορεί να ταξινομήσει τον πίνακα σε χρόνο O(N+M) - Δημιουργούμε έναν πίνακα count μεγέθους Μ με τα στοιχεία του αρχικά 0. - Διαβάζουμε τον πίνακα Α και για κάθε στοιχείο του εκτελούμε count[a[i]]++ για 0 i N-1 - Στη συνέχεια διαβάζουμε τον πίνακα count και γράφουμε στον πίνακα Α τόσες φορές το j όσες αναγράφονται στο count[j] 3

4 BucketSort (Ταξινόμηση Κάδου) ΠΑΡΑΔΕΙΓΜΑ Α = [6, 0, 3,, 3, 5, 8, 1, 9, 1, 1,,, 4,, 4, ] - Δημιουργούμε έναν πίνακα count μεγέθους Μ με τα στοιχεία του αρχικά 0. - Διαβάζουμε τον πίνακα Α και για κάθε στοιχείο του εκτελούμε count[a[i]]++ για 0 i N-1 count = [1, 3, 5,,, 1, 1, 0, 1, 1] - Στη συνέχεια διαβάζουμε τον πίνακα count και γράφουμε στον πίνακα Α τόσες φορές το j όσες αναγράφονται στο count[j] A=[ ] 4

5 BucketSort (Ταξινόμηση Κάδου) - Αν Μ=Ο(Ν) τότε ο χρόνος εκτέλεσης είναι Ο(Ν) Αυτό σημαίνει ότι το θεωρητικό όριο για την πολυπλοκότητα των αλγορίθμων ταξινόμησης δεν ισχύει? ΙΣΧΥΕΙ. Ο αλγόριθμος δε βασίζεται σε συγκρίσεις και επιπλέον χρησιμοποιεί χώρο Ο(Μ+Ν) αντί για Ο(Ν) 5

6 Bucket-Sort Έστω S ακολουθία N (κλειδιών και στοιχείων) αντικειμένων με κλειδιά στο σύνολο [0, M 1] Ο Bucket-sort χρησιμοποιεί τα κλειδιά ως δείκτες σε ένα βοηθητικό array B από ακολουθίες (buckets - κάδοι) Φάση 1: Άδειασε την ακολουθία S με τη μετακίνηση κάθε αντικειμένου (k, o) στο bucket του B[k] Φάση : For i 0,, M 1, μετακίνησε τα αντικείμενα του κάδου B[i] στο τέλος της ακολουθίας S Ανάλυση: Η φάση 1 παίρνει χρόνο O(N) Η φάση παίρνει χρόνο O(N ) Ο Bucket-sort χρειάζεται χρόνο O(N ) Αλγόριθμος bucketsort(s, N) Είσοδος ακολουθία S (key, element) αντικειμένων με κλειδιά εντός του συνόλου [0, N 1] Έξοδος ακολουθία S ταξινομημένη με αύξουσα σειρά κλειδιών B array N κενών ακολουθιών while S.isEmpty() f S.first() (k, o) S.remove(f) B[k].insertLast((k, o)) for i 0 to N 1 while B[i].isEmpty() f B[i].first() (k, o) B[i].remove(f) S.insertLast((k, o)) 6

7 Παράδειγμα Ακτίνα κλειδιών [0, 9] 7, d 1, c 3, a 7, g 3, b 7, e Φάση 1 1, c 3, a 3, b 7, d 7, g 7, e B Φάση 1, c 3, a 3, b 7, d 7, g 7, e 7

8 Ιδιότητες και Επεκτάσεις Key-type Ιδιότητα Τα κλειδιά χρησιμοποιούνται σαν δείκτες σε ένα πίνακα και δεν μπορούν να είναι αυθαίρετα αντικείμενα Δεν υπάρχει εξωτερικός συγκριτής Ιδιότητα Ευσταθούς Ταξινόμησης Η σχετική σειρά κάθε αντικειμένων με το ίδιο κλειδί διατηρείται μετά την εκτέλεση του αλγορίθμου Επεκτάσεις Ακέραια κλειδιά εντός της ακτίνας [a, b] Βάλε το αντικείμενο (k, o) σε κάδο B[k a] Κλειδιά Strings από ένα σύνολο D πιθανών strings, όπου το D έχει σταθερό μήκος (πχ. Τα ονόματα των 50 πολιτειών των ΗΠΑ) Ταξινόμησε το D και υπολόγισε το βαθμό r(k) κάθε string k του D στην ταξινομημένη ακολουθία Βάλε το αντικείμενο (k, o) σε κάδο B[r(k)] 8

9 Λεξικογραφική Σειρά Μία d-άδα (d-tuple) είναι μια ακολουθία d κλειδιών (k 1, k,, k d ), όπου το κλειδί k i λέγεται ότι είναι η i-στη διάσταση της πλειάδας (tuple) Παράδειγμα: Οι Καρτεσιανές συντεταγμένες ενός σημείου στο χώρο είναι μια τριάδα (3-tuple) Η λεξικογραφική σειρά d-tuples ορίζεται αναδρομικά ως εξής: (x 1, x,, x d ) (y 1, y,, y d ) x 1 y 1 x 1 y 1 (x,, x d ) (y,, y d ) Οι πλειάδες (tuples) συγκρίνονται με βάση την πρώτη διάσταση, μετά με βάση τη δεύτερη, κοκ. 9

10 Λεξικογραφικός Ταξινομητής Έστω C i ο συγκριτής που συγκρίνει πλειάδες με βάση την i-στη διάσταση Έστω stablesort(s, C) ένας αλγόριθμος ταξινόμησης που χρησιμοποιεί το συγκριτή C Ο Λεξικογραφικός ταξινομητής ταξινομεί μια ακολουθία d-άδας (d-tuples) σε λεξικογραφική σειρά εκτελώντας d φορές τον αλγόριθμο stablesort, μια για κάθε διάσταση Ο Lexicographic-sort τρέχει σε χρόνο O(dT(n)), όπου T(n) είναι ο χρόνος εκτέλεσης του stablesort Lexicographic-Sort Αλγόριθμος lexicographicsort(s) Είσοδος ακολουθία S από d-tuples Έξοδος ακολουθία S ταξινομημένη σε λεξικογραφική σειρά for i d downto 1 stablesort(s, C i ) Παράδειγμα: (7,4,6) (5,1,5) (,4,6) (, 1, 4) (3,, 4) (, 1, 4) (3,, 4) (5,1,5) (7,4,6) (,4,6) (, 1, 4) (5,1,5) (3,, 4) (7,4,6) (,4,6) (, 1, 4) (,4,6) (3,, 4) (5,1,5) (7,4,6) 10

11 Ο Radix-sort είναι μια εξειδίκευση του lexicographic-sort που χρησιμοποιεί bucket-sort ως ευσταθή αλγόριθμο ταξινόμησης σε κάθε διάσταση Ο Radix-sort είναι εφαρμόσιμος σε tuples όπου τα κλειδιά σε κάθε διάσταση i είναι ακέραιοι στο σύνολο [0, N 1] Ο Radix-sort τρέχει σε χρόνο O(d( N )) Radix-Sort Ταξινόμηση ρίζας Αλγόριθμος radixsort(s, N) Είσοδος ακολουθία S από d- tuples τέτοια ώστε: (0,, 0) (x 1,, x d ) και (x 1,, x d ) (M 1,, M 1) για κάθε tuple (x 1,, x d ) στο S Έξοδος ακολουθία S ταξινομημένη σε λεξικογραφική σειρά for i d downto 1 bucketsort(s, M) 11

12 Radix-Sort για Δυαδικούς Αριθμούς Σκεφτείτε μια ακολουθία από n ακεραίους των b-bit x x b x 1 x 0 Αναπαριστούμε κάθε στοιχείο ως b- tuple ακεραίων στο σύνολο [0, 1] και εφαρμόζουμε radix-sort με M Αυτή η εφαρμογή του radix-sort αλγορίθμου τρέχει σε χρόνο O(bn) Πχ, μπορούμε να ταξινομήσουμε μια ακολουθία ακεραίων των 3-bit σε γραμμικό χρόνο Αλγόριθμος binaryradixsort(s) Είσοδος ακολουθία S από ακεραίους των b-bit Έξοδος ακολουθία S ταξινομημένη Αντικατάστησε κάθε στοιχείο x του S με το αντικείμενο (0, x) for i 0 to b 1 replace the key k of each item (k, x) of S με bit x i of x bucketsort(s, ) 1

13 Παράδειγμα Ταξινομώντας μια ακολουθία 4-μπιτων ακεραίων

14 Κάτω Φράγμα Ταξινόμησης 14

15 Ταξινόμηση Βασισμένη στη Σύγκριση Πολλοί αλγόριθμοι ταξινόμησης είναι βασισμένοι στη σύγκριση. Ταξινομούν συγκρίνοντας ζεύγη αντικειμένων Παραδείγματα: bubble-sort, selection-sort, insertion-sort, heapsort, merge-sort, quick-sort,... Ας εξετάσουμε λοιπόν ένα κάτω φράγμα του χρόνου εκτέλεσης οποιουδήποτε αλγορίθμου χρησιμοποιεί συγκρίσεις για να ταξινομήσει n στοιχεία, x 1, x,, x n. ναι Είναι x i < x j? όχι 15

16 Μετρώντας Συγκρίσεις Ας μετρήσουμε συγκρίσεις. Η λειτουργία των συγκριτικών αλγορίθμων αναπαρίσταται με δέντρα συγκρίσεων (ή δέντρα αποφάασεων) Κάθε πιθανό τρέξιμο του αλγορίθμου αντιστοιχεί σε ένα μονοπάτι από τη ρίζα ως ένα φύλλο ενός Δένδρου Αποφάσεων (decision tree) x i < x j? x a < x b? x c < x d? x e < x f? x k < x l? x m < x o? x p < x q? 16

17 Ύψος Δένδρου Αποφάσεων (Decision Tree) Το ύψος αυτού του δέντρου αποφάσεων καθορίζει το πλήθος των συγκρίσεων και είναι ένα κάτω φράγμα του χρόνου εκτέλεσης Κάθε πιθανή αντιμετάθεση στην είσοδο πρέπει να οδηγεί σε διαφορετικό φύλλο στην έξοδο. Εάν όχι, κάποια είσοδος 4 5 θα είχε την ίδια διάταξη εξόδου με 5 4, κάτι το οποίο θα ήταν λάθος. Για την ταξινόμηση n στοιχείων απαιτείται να υπάρξουν τουλάχιστον n! Φύλλα (όλες οι μεταθέσεις). Δεδομένου ότι υπάρχουν n!=1** *n φύλλα, το ύψος είναι τουλάχιστον log (n!) minimum height (time) x a < x b? x i < x j? x c < x d? Το δυαδικό δέντρο ύψους h έχει το μέγιστο h φύλλα log (n!) x e < x f? x k < x l? x m < x o? x p < x q? Η ταξινόμηση n στοιχείων απαιτεί h >=n! n! 17

18 Το Κάτω Φράγμα Κάθε αλγόριθμος διάταξης βασισμένος σε σύγκριση χρειάζεται τουλάχιστον log (n!) χρόνο Επομένως, κάθε τέτοιος αλγόριθμος χρειάζεται log ( n!) log n n ( n / )log ( n / ). Δηλαδή, κάθε αλγόριθμος ταξινόμησης βασισμένος σε σύγκριση πρέπει να τρέχει σε χρόνο Ω(n log n) 18

19 Επιλογή 19

20 Το Πρόβλημα της Επιλογής (Selection Problem) Δεδομένου ενός ακεραίου k και n στοιχείων x 1, x,, x n, που έχουν ληφθεί από την συνολική ακολουθία, βρες το k-στο μικρότερο στοιχείο σε αυτό το σύνολο. Φυσικά μπορούμε να ταξινομήσουμε σε χρόνο O(n log n) και μετά να δεικτοδοτήσουμε το k-στο στοιχείο. k= Μπορούμε να λύσουμε το πρόβλημα της επιλογής ταχύτερα; 0

21 Γρήγορη Επιλογή Quick-Select Ο Quick-select είναι ένας radomized αλγόριθμος επιλογής βασισμένος στην αρχή prune-καιsearch: Prune: Διάλεξε ένα τυχαίο στοιχείο x (που καλείται pivot) και διαχώρισε το S σε L στοιχεία μικρότερα του x E στοιχεία ίσα με x G στοιχεία μεγαλύτερα του x Search: ανάλογα με το k, είτε η απάντηση είναι το E, είτε χρειάζεται να εκτελέσουμε αναδρομικά ή στο L ή στο G L k < L x E x L < k < L + E (done) G k > L + E k = k - L - E 1

22 Διαχωρισμός Διαχωρίζουμε μια ακολουθία εισόδου όπως και στον αλγόριθμο γρήγορης ταξινόμησης: Αφαιρούμε, κατά σειρά, κάθε στοιχείο y από το S και Εισάγουμε το y στο L, E ή G, ανάλογα με το αποτέλεσμα της σύγκρισης με το pivot x Κάθε εισαγωγή και εξαγωγή γίνεται στην αρχή ή στο τέλος μιας ακολουθίας, και λόγω αυτού παίρνει O(1) χρόνο Συνεπώς, το βήμα διαχωρισμού του quick-select χρειάζεται χρόνο O(n) Αλγόριθμος partition(s, p) Είσοδος ακολουθία S, θέση p του pivot Έξοδος υποακολουθίες L, E, G των στοιχείων του S που είναι μικρότερα, ίσα ή μεγαλύτερα από το pivot. L, E, G κενές ακολουθίες x S.remove(p) while S.isEmpty() y S.remove(S.first()) if y < x L.insertLast(y) else if y = x E.insertLast(y) else { y > x } G.insertLast(y) return L, E, G

23 Οπτικοποίηση του Quick-Select Μια εκτέλεση του quick-select μπορεί να οπτικοποιηθεί με ένα μονοπάτι αναδρομής Κάθε κόμβος αναπαριστά μια αναδρομική κλήση του quickselect, και αποθηκεύει το k και την υπόλοιπη ακολουθία k=5, S=( ) k=, S=( ) k=, S=( ) k=1, S=(7 6 5) 5 3

24 Αναμενόμενος Χρόνος Εκτέλεσης Σκεφτείτε μια αναδρομική κλήση του quick-select σε μια ακολουθία μεγέθους s Καλή κλήση: τα μεγέθη των L και G είναι το καθένα λιγότερο από 3s 4 Κακή κλήση: ένα από τα L και G έχει μέγεθος μεγαλύτερο από 3s Καλή κλήση Κακή κλήση Μια κλήση είναι καλή με πιθανότητα 1 1/ των πιθανών pivots προκαλούν καλές κλήσεις: Κακοί pivots Καλοί pivots Κακοί pivots 4

25 Αναμενόμενος Χρόνος Εκτέλεσης, Μέρος Πιθανοτικό γεγονός #1: Ο αναμενόμενος αριθμός ρίψεων νομίσματος που απαιτείται για να φέρουμε μια κορώνα είναι. Πιθανοτικό γεγονός #: Η Αναμονή είναι μια γραμμική συνάρτηση: E(X + Y ) = E(X ) + E(Y ) E(cX ) = ce(x ) Έστω T(n) ο αναμενόμενος χρόνος εκτέλεσης του quick-select. Από το #, T(n) < T(3n/4) + bn*(αναμενόμενος # κλήσεων πριν από 1 καλή κλήση) Από το #1, T(n) < T(3n/4) + bn Δηλ. το T(n) είναι γεωμετρική σειρά: T(n) < bn + b(3/4)n + b(3/4) n + b(3/4) 3 n + Έτσι T(n) είναι O(n). Μπορούμε να λύσουμε το selection problem σε O(n) αναμενόμενο χρόνο. 5

26 Ντετερμινιστική Επιλογή Μπορούμε να εκτελέσουμε επιλογή σε χρόνο χειρότερης περίπτωσης O(n). Βασική ιδέα: χρησιμοποιούμε αναδρομικά τον ίδιο τον αλγόριθμο επιλογής για να βρούμε ένα καλό pivot για τον quick-select: Χώρισε το S σε n/5 σύνολα των 5 Βρες έναν median σε κάθε σύνολο Βρες αναδρομικά τον median των baby medians. Min size for L Min size for G 6