Kap. 3: Sortieren (3)

Transkript

1 Kap. 3: Sortieren (3) Professor Dr. Lehrstuhl für Algorithm Engineering, LS Fakultät für Informatik, TU Dortmund 6. VO DAP2 SS April 2009

2 Überblick Quick-Sort Analyse von Quick-Sort Quick-Sort Varianten Heap-Sort 2

3 Termine für Übungstests. Übungstest: Di 9. Mai, in der Vorlesung im AudiMax, Beginn: ab 2:5 Uhr, ab 2 Uhr anwesend sein wegen Sitzordnung 2. Übungstest: Di 6. Juni, in der VO im AudiMax, Beginn: ab 2:5 Uhr, ab 2 Uhr anwesend sein wegen Sitzordnung 3

4 Motivation Warum soll ich hier bleiben? Wir lernen Quick-Sort Was ist daran denn besonders? Quick-Sort gehört zu den Top 0 wichtigsten Algorithmen 4

5 Analyse von QuickSort: Average Grundannahmen alle Schlüssel sind verschieden o.b.d.a. A[i] {,2, n} alle Permutationen sind gleich wahrscheinlich Jede Zahl k {,2,,n} tritt mit gleicher Wahrscheinlichkeit /n an Position n auf Pivotelement k erzeugt zwei Folgen der Längen k- und n-k Diese Folgen sind wieder zufällig: gilt 5

6 Analyse von QuickSort: Average Teilt man sämtliche Folgen mit n Elementen mit dem Pivotelement (an der letzten Stelle), so erhält man sämtliche Folgen der Länge k- und n-k. Rekursionsgleichung der Laufzeitfunktionen: wobei die Summe über alle n möglichen Aufteilungen läuft und bn der Aufteilungsaufwand für eine Folge der Länge n ist. 6

7 Analyse von QuickSort: Average Einsetzen von T(0)=0: Lösung der Rekursionsgleichung: T(n)=Θ(n log n) 7

8 Beweis von Average-Case Wir zeigen: T(n)=O(n log n) T(n)=Ω(n log n) ähnlich (o.bw.) Wir zeigen durch vollständige Induktion: es existieren c,n 0 >0, so dass für alle n n 0 : T(n) cn log n Wir wählen: n 0 =2. Induktionsanfang: n=2: T(2)=T()+bn=a+2b somit ist T(2) c2 log 2 g.d.w. c (a+2b)/2=a/2+b 8

9 Beweis von Average-Case ff Induktionsschluss: Sei nun n 3, Beh. gilt für alle kleineren Werte: Diese Ungleichung gilt, falls c 4b Wähle insgesamt c=max {a/2+b,4b}

10 Eigenschaften von QuickSort Anzahl der Schlüsselvergleiche: C best (n)=c avg (n)=θ(n log n); C worst (n)=θ(n 2 ) Eigenschaften: in situ? adaptiv? stabil? Θ(n) zusätzlichen Speicher sehr gut in der Praxis es existieren viele Varianten

11 Quicksort - Varianten Randomisierter Quicksort Quicksort mit log(n) Speicher

12 Randomisierter Quick-Sort Ziel: Laufzeit unabhängig von der Qualität der Eingabefolge (vorsortiert, etc ) Idee: Wähle Pivotelement zufällig aus! Einfachste Umsetzung: Neues Partitionieren: () z := Zufallszahl zwischen l und r (2) vertausche A[z] mit A[r] (3) normales Partitionieren 2

13 Randomisierter Quick-Sort Randomisierte Algorithmen: Es lassen sich keine Best-Case und Worst-Case Beispiele mehr konstruieren! Aber: Natürlich kann der Worst-Case noch eintreten! Man berechnet eine Erwartete Laufzeit = Erwartungswert der Laufzeit durchschnittliche Laufzeit Average-Case E[ T(n) ] = O(n log n) 3

14 Quick-Sort mit log(n) Speicher Bisher: O(n) Speicher l... p- p p+... r Idee: Lange Teile sofort bearbeiten D.h.: Rekursiver Aufruf nur für kleinere Teile. diese Teile sind Hälfte der betrachteten Länge Tiefe der rekursiven Aufrufe: O(log n) 4

15 Quick-Sort mit log(n) Speicher Idee: Lange Teile sofort bearbeiten bisher () procedure QS(ref A,l,r) (2) if l < r then { (3) p := Partition(A,l,r) (4) QuickSort(A,l,p-) (5) QuickSort(A,p+,r) (6) } Zwischenschritt () procedure QS(ref A,l,r) (2) while l < r do { (3) p := Partition(A,l,r) (4) QuickSort(A,l,p-) (5) l := p+ (6) } 5

16 Quick-Sort mit log(n) Speicher Zwischenschritt () procedure QS(ref A,l,r) (2) while l < r do { (3) p := Partition(A,l,r) (4) QuickSort(A,l,p-) (5) l := p+ (6) } l... p- p p+... r () procedure QS(ref A,l,r) (2) while l < r do { (3) p := Partition(A,l,r) (4) if p-l < r-p then { (5) QuickSort(A,l,p-) (6) l := p+ (7) } else { (8) QuickSort(A,p+,r) (9) r := p- (0) } } 6

17 Was bisher geschah Insertion-Sort: O(n 2 ) einfach Selection-Sort: Θ(n 2 ) Merge-Sort: O(n log n) nicht in-situ Quick-Sort: praxis schnell O(n 2 ) Jetzt: Heap-Sort: O(n log n), in-situ Auf Basis von Selection-Sort! 7

18 Übersicht Heap-Sort Einführung in Datenstruktur Heap Analyse von Heap-Sort 8

19 Selection-Sort GUT In jedem Schritt wird ein Schlüssel an seine richtige Position gesetzt SCHLECHT Suchen des richtigen Schlüssels: Θ(n) IDEE Den unsortierten Teil vorsortieren Schnelles Finden des nächsten Schlüssels 9

20 Heap (=Haufen) Heap: eine neue Datenstruktur! Speicherung weiterhin als Array (in-situ!) Interpretation als binärer Baum, an dessen Wurzel immer das größte Element stehen soll 20

21 Definition Heap Eine Folge H=<k,k 2,,k n > von Schlüsseln ist ein (Max-) Heap, wenn für jede Position i die folgende Heap-Eigenschaft erfüllt ist: Falls 2i n, so gilt k i k 2i und falls 2i+ n so gilt k i k 2i+. Beispiel: F=<8,6,7,3,4,5,2,> Ähnlich sind Min-Heaps definiert. Dort gilt: Falls 2i n, so gilt k i k 2i und falls 2i+ n so gilt k i k 2i+. 2

22 Heap: Interpretation F=<8,6,7,3,4,5,2,> 8 Heap-Eigenschaft: Falls 2i n, so gilt k i k 2i und falls 2i+ n so gilt k i k 2i Heap Eigenschaft: Schlüssel der Elternknoten ist größer gleich denen seiner Kinder

23 Heap: Interpretation S Interpretation als Binärer Baum O 2 3 R T I N G Speicherung als Array S O R T I N G

24 Binärer Baum Wurzel Ebene S Knoten = Einträge im Baum Ebene 2 Elter / Vater O 2 3 Kind R Kanten verbinden Knoten Ebene 3 T I N G Blätter = Knoten ohne Kinder Binärer Baum: maximal 2 Kinder pro Knoten

25 Tiefe/Höhe des Baums Ebene S # Knoten BIS Ebene 3 7 # Knoten PRO Ebene 2 4 Ebene 2 Ebene 3 O 2 3 R T I N G k - 8 Ebene 4 2 k- Ebene k

26 Tiefe/Höhe des Baums Ebene S Tiefe/Höhe eines Baums = Anzahl der Ebenen - # Knoten BIS Ebene 3 7 # Knoten PRO Ebene 2 4 Ebene 2 Ebene 3 O n max = 2 h+ - n min = 2 h Gegebene Höhe h: 2 3 Maximale Höhe bei n Elementen? R T I N G n = 2 h h max = log 2 n k - 8 Ebene 4 2 k- Ebene k Höhe des Heaps: O(log n)

27 Heap-Eigenschaft Heap Eigenschaft: Schlüssel der Elternknoten ist größer gleich denen seiner Kinder Array A[ n] O S 2 3 R Indizes i: A[i] A[2i] und A[i] A[2i+] falls diese Indizes existieren T I N G nicht erfüllt! S O R T I N G

28 Idee von Heap-Sort Elemente im unsortierten Array so verschieben, dass die Heap-Eigenschaft erfüllt ist (CreateHeap) Größtes Element im Heap finden ist einfach Wurzel = erstes Element im Array Wurzel aus Heap entfernen Heap-Eigenschaften wiederherstellen (Sifting) 29

29 CreateHeap Beobachtung Die Heapbedingung ist an den Blättern erfüllt. S Algorithmus Betrachte Knoten über den Blättern repariere Teilheap Bearbeite Baum von unten nach oben Teilbäume sind immer Heaps 4 O 2 3 R T 5 I 6 N 7 G S O R T I N G 30

30 CreateHeap procedure CREATEHEAP () { for i := n/2 { SIFTDOWN (i, n) } } procedure SIFTDOWN (i, m) { while Knoten i hat Kinder m { j := Kind m mit größerem Wert } } if A[i] < A[j] then { vertausche A[i] und A[j] i := j } else return 4 O S 2 3 R T 5 I 6 N 7 G 2i 2i S O R T I N G i

31 CreateHeap procedure CREATEHEAP () { for i := n/2 { SIFTDOWN (i, n) } } procedure SIFTDOWN (i, m) { while Knoten i hat Kinder m { j := Kind m mit größerem Wert } } if A[i] < A[j] then { vertausche A[i] und A[j] i := j } else return 4 i O S 2 3 R T 5 I 6 N 7 G 2i 2i S O R T I N G

32 CreateHeap procedure CREATEHEAP () { for i := n/2 { SIFTDOWN (i, n) } } procedure SIFTDOWN (i, m) { while Knoten i hat Kinder m { j := Kind m mit größerem Wert } } if A[i] < A[j] then { vertausche A[i] und A[j] i := j } else return Heap-Erstellung beendet j T i S 2 3 R 4 O 5 I 6 N 7 G S T R O I N G

33 HeapSort procedure HEAPSORT () { } } CREATEHEAP () for k := n 2 { vertausche A[] und A[k] SIFTDOWN (, k-) 4 S GT 2 3 R k O 5 I 6 N 7 GT GT S R O I N GT 34

34 HeapSort procedure HEAPSORT () { } } CREATEHEAP () for k := n 2 { vertausche A[] und A[k] SIFTDOWN (, k-) 4 GO S GS 2 3 R k GO 5 I 6 N 7 T GS GO S R OG I N T 35

35 HeapSort procedure HEAPSORT () { } } CREATEHEAP () for k := n 2 { vertausche A[] und A[k] SIFTDOWN (, k-) 4 O NR S 2 3 RN G 5 I 6 NS 7 T k NR S O NR G I NS T 36

36 HeapSort procedure HEAPSORT () { } } CREATEHEAP () for k := n 2 { vertausche A[] und A[k] SIFTDOWN (, k-) 4 OI OR I 2 3 k N G 5 RI 6 S 7 T OR I OI N G RI S T 37

37 HeapSort procedure HEAPSORT () { } } CREATEHEAP () for k := n 2 { vertausche A[] und A[k] SIFTDOWN (, k-) 4 k I OG N 2 3 GN OG 5 R 6 S 7 T OG N I GN GO R S T 38

38 HeapSort procedure HEAPSORT () { } } CREATEHEAP () for k := n 2 { vertausche A[] und A[k] SIFTDOWN (, k-) GI GN I 2 3 k GN 4 O 5 R 6 S 7 T GN I GI GN O R S T 39

39 HeapSort procedure HEAPSORT () { } } CREATEHEAP () for k := n 2 { vertausche A[] und A[k] SIFTDOWN (, k-) k GI GI 2 3 N 4 O 5 R 6 S 7 T GI GI N O R S T 40