Wyszukiwanie minimum i maksimum¶
Wyobraźmy sobie, że odwiedzamy pewien sklep internetowy, np. w poszukiwaniu nowego laptopa. Na początek chcemy sprawdzić, jaki jest najdroższy z dostępnych sprzętów. Co możemy w tym celu zrobić? Możemy oczywiście posortować produkty po cenie. Nie potrzebna nam jednak lista wszystkich produktów, a tylko jeden - ten najdroższy.
W tym temacie zajmiemy się właśnie takim problemem - znajdowaniem elementu maksymalnego (albo minimalnego) w zadanym zbiorze.
Wyszukiwanie wartości maksymalnej w tablicy¶
Zacznijmy od standardowej wersji problemu. Jak to zwykle w informatyce, będziemy rozważać pewien uporządkowany zbiór elementów, a dokładnie tablicę liczb całkowitych. Oczywiście w ogólności nie ma znaczenia, jakie to będą wartości, pod warunkiem, że możemy je ze sobą porównywać i można wśród nich znaleźć wartość największą.
Interesuje nas znalezienie wartości maksymalnej w zadanej tablicy. Jak zwykle, zaczynamy od bardziej formalnej specyfikacji naszego problemu.
Specification¶
Input¶
- \(n\) - liczba naturalna, liczba elementów w tablicy
- \(A[1..n]\) - tablica \(n\) wartości całkowitych
Output¶
- Największa wartość z tablicy \(A\)
Example¶
Input¶
Output: \(8\)
Animacja¶
Solution¶
Zanim przejdziemy do rozwiązywania problemu warto przyjrzeć się dokładnie powyższej animacji. Pokazuje ona, krok po kroku, metodę, którą zastosujemy.
Idea jest prosta: na początku przyglądamy się pierwszemu elementowi z tablicy i stwierdzamy "tak, to może być nasz element maksymalny", więc zapamiętujemy jego wartość. Innymi słowy: wartość pierwszego elementu tablicy zapamiętujemy jako dotychczasowe maksimum.
Teraz możemy przejść do sprawdzania kolejnych elementów tablicy, które będziemy przeglądać jeden po drugim, czyli liniowo, podobnie jak w algorytmie wyszukiwania liniowego. Każdy kolejny element tablicy będziemy porównywać z naszym dotychczasowym maksimum. Jeżeli znajdziemy element o wartości większej niż nasze dotychczasowe maksimum, to znaczy, że właśnie tę większą wartość należy zapamiętać jako nasze dotychczasowe maksimum. Poprzednią wartość możemy zapomnieć, jako że interesuje nas tylko jedna wartość: maksymalna.
Na końcu, gdy już sprawdzimy wszystkie elementy tablicy, nasze dotychczasowe maksimum będzie już maksimum z całej tablicy i tę właśnie wartość zwrócimy jako wynik naszego algorytmu.
Zapiszmy teraz nasz algorytm w postaci pseudokodu.
Pseudocode¶
funkcja SzukajMaks(n, A):
1. max := A[1]
2. Od i := 2 do n, wykonuj:
3. Jeżeli max < A[i], to:
4. max := A[i]
5. Zwróć maks
Block diagram¶
%%{init: {"flowchart": {"curve": "linear"}, "theme": "neutral"} }%%
flowchart TD
START(["FindMax(n, A)"]) --> K1["max := A[1]
i := 1"]
K1 --> K2{i <= n}
K2 -- TRUE --> K3{"max < A[i]"}
K3 -- TRUE --> K4["max := A[i]"]
K4 --> K2i[i := i + 1]
K2i --> K2
K3 -- FALSE --> K2i
K2 -- FALSE --> K5[\Zwróć max\]
K5 ---> STOP([STOP])Complexity¶
Podobnie jak w przypadku wyszukiwania liniowego przeglądamy elementy jeden po drugim w poszukiwaniu maksimum. Dlatego i w tym przypadku mamy złożoność liniową.
\(O(n)\) - liniowa
Wyszukiwanie indeksu wartości maksymalnej w tablicy¶
W niektórych sytuacjach nie wystarczy nam znać wartość maksymalnego elementu, musimy także poznać jego pozycję w tablicy. Zmodyfikujmy więc odpowiednio specyfikację naszego problemu.
Specification¶
Input¶
- \(n\) - liczba naturalna, ilość elementów w tablicy
- \(A[1..n]\) - tablica \(n\) wartości całkowitych
Output¶
- Indeks największej wartości z tablicy \(A\)
Example¶
Input¶
Output: \(5\)
Info
Wyjaśnienie
Największa wartość w tablicy to \(8\). Wartość ta znajduje się na pozycji piątej.
Solution¶
Nowy problem jest bardzo zbliżony do poprzedniego, więc aby go rozwiązać, rozszerzymy nasze poprzednie rozwiązanie. Teraz, poza wartością maksymalnego elementu, potrzebujemy zapamiętać dodatkową informację: indeks elementu maksymalnego. W tym celu dodajemy nową zmienną, w której zapamiętamy ten indeks. Na początku, gdy jako potencjalne maksimum przyjmujemy wartość pierwszego elementu tablicy, musimy także indeks ustawić na wartość \(1\), czyli pozycję naszego dotychczasowego maksimum.
Jest jeszcze jedno miejsce, w którym powinniśmy pamiętać o zmianie zapamiętanego indeksu. Za każdym razem, gdy znajdziemy większą wartość i zaktualizujemy nasze dotychczasowe maksimum, aktualizujemy także indeks tego maksimum.
Na końcu, po sprawdzeniu wszystkich elementów tablicy, wystarczy zwrócić jako wynik zapamiętany indeks.
Zapiszmy teraz nasz algorytm w postaci pseudokodu.
Pseudocode¶
funkcja SzukajIndeksMaks(n, A):
1. max := A[1]
2. ind := 1
3. Od i := 2 do n, wykonuj:
4. Jeżeli max < A[i], to:
5. max := A[i]
6. ind := i
7. Zwróć ind
Block diagram¶
%%{init: {"flowchart": {"curve": "linear"}, "theme": "neutral"} }%%
flowchart TD
START(["SzukajIndeksMaks(n, A)"]) --> K1["max := A[1]
ind := 1
i := 1"]
K1 --> K2{i <= n}
K2 -- TRUE --> K3{"max < A[i]"}
K3 -- TRUE --> K4["max := A[i]
ind := i"]
K4 --> K2i[i := i + 1]
K2i --> K2
K3 -- FALSE --> K2i
K2 -- FALSE --> K5[\Zwróć ind\]
K5 ---> STOP([STOP])Complexity¶
Dodanie nowej zmiennej, w której pamiętamy indeks wyszukiwanego elementu, nie wpływa na złożoność naszego rozwiązania. Struktura algorytmu pozostaje niezmieniona, więc złożoność cały czas jest liniowa.
\(O(n)\) - liniowa
Wyszukiwanie elementu minimalnego w tablicy¶
W przypadku poszukiwania elementu minimalnego, postępujemy praktycznie identycznie jak przy poszukiwaniu elementu maksymalnego. W zasadzie wystarczy zmienić znak porównania: z \(<\) na \(>\). Zaprojektowanie rozwiązania zostawiamy jako samodzielne ćwiczenie dla zainteresowanych.