LC T668筆記 & 有關二分查詢、第K小數、BFPRT演算法

PaperHammer發表於2022-05-31

LC T668筆記 【涉及知識:二分查詢、第K小數、BFPRT演算法】

【以下內容僅為本人在做題學習中的所感所想,本人水平有限目前尚處學習階段,如有錯誤及不妥之處還請各位大佬指正,請諒解,謝謝!】

 

!!!觀前提醒!!!

【本文篇幅較大,如有興趣建議分段閱讀】

 

有關二分查詢

作用:在有序集合中快速查詢目標值

適用性:

  1. 只能查詢有序的資料集

順序儲存的資料結果就是陣列了,也就是二分查詢只能從陣列中查詢,而不能查詢鏈式儲存的資料集,比如查詢連結串列中的數,就不能用二分查詢。

  2. 針對的是靜態有序資料集

二分查詢適合那種不經常變動的資料集合。如果經常插入、刪除的資料集,每次插入和刪除都要保證集合資料的有序,維護動態資料有序的成本很高。所以二分查詢適合從有序的不經常變動的資料集合中查詢。適合資料集合已經排好序,但是需要經常查詢的場景。

  3. 不適合資料量太大或者太小的場景

因為二分查詢需要依賴陣列這種資料結構,而陣列要求連續的記憶體空間,其需要把所有資料全部讀入記憶體中,因此資料量太大的,對記憶體要求比較高。如果資料量只有幾十個,那麼不論是使用二分查詢還是順序遍歷,查詢效率都差不多。

 

有關二分查詢的邊界問題

“思路很簡單,細節是魔鬼”

二分的幾個常用情景:尋找一個數、尋找左側邊界、尋找右側邊界

以下是二分查詢的基本框架:

 1 public int BinarySearch(int[] nums, int target) {
 2     int left = 0, right = ...; 
 3     while(...) {
 4         int mid = left + ((right - left) >> 1);
 5         if (nums[mid] == target) {
 6             ...
 7         } else if (nums[mid] < target) {
 8             left = ...
 9         } else if (nums[mid] > target) {
10             right = ...
11         }
12     }
13     return ...;
14 }

分析二分查詢的一個技巧是:不要出現 else,而是把所有情況用 else if 寫清楚,這樣可以清楚地展現所有細節。

(一)  尋找一個數

 1 public int BinarySearch(int[] nums, int target) {
 2     int left = 0; 
 3     int right = nums.length - 1; //【1】
 4 
 5     while(left <= right) { //【2】
 6         int mid = left + ((right - left) >> 1);
 7         if(nums[mid] == target)
 8             return mid; 
 9         else if (nums[mid] < target)
10             left = mid + 1;  //【3】
11         else if (nums[mid] > target)
12             right = mid - 1;  //【4】
13     }
14     return -1;
15 }

  1. while中的迴圈條件

迴圈條件由搜尋區間的結構確定,當找到目標值後,返回即可;

若沒找到則需考慮終止情況。此處的搜尋區間的結構是兩端閉區間。當left == right時,表示區間[left, right],此時區間內仍有一個數值未被搜尋,若此時結束迴圈,可能錯過對目標值的匹配,因此需要繼續查詢,則終止條件應當是left > right時,此時搜尋區間為空。所以此處while中應當為“<=”。

如果要使用小於號,則在結尾加一句判斷即可。

1 return nums[left] == target ? left : -1;

  2.  left與right的加加減減

邊界的加減也由搜尋區間的結構確定。在[left, right]中mid被檢測後,需要據mid將其劃分為兩個區間,若mid位置上的值不等於target,則不用再考慮mid。因為邊界均可取到,所以搜尋區間因改為[left, mid – 1]或[mid + 1, right]

  3.  缺點

當資料中重複出現目標元素,則返回的是在重複序列中中間位置的索引,並不能得到其左側或右側邊界。如{1, 2, 2, 2, 3, 5},target = 2,此時返回索引為2,但其邊界為[1, 3]

(二)  尋找左側邊界

 1 public int LeftBound(int[] nums, int target) {
 2     if (nums.length == 0) return -1;
 3     int left = 0;
 4     int right = nums.length; //【1】
 5     
 6     while (left < right) { //【2】
 7         int mid = left + ((left + right) >> 1);
 8         if (nums[mid] == target) {
 9             right = mid; //【3】
10         } else if (nums[mid] < target) {
11             left = mid + 1;
12         } else if (nums[mid] > target) {
13             right = mid; //【4】
14         }
15     }
16     return left;
17 }

  1.  while中的迴圈條件

同理,此處的搜尋區間為左閉右開型,當left == right時,表示區間[left, right),此時的區間已經為空,故可以終止。

注:這裡解釋一下為何上面用兩端閉區間,而這裡用左開後閉區間。因為這樣的寫法比較普遍,不這麼寫也可以,後文將會展示三種寫法(兩端閉,左開右閉,左閉右開)。

  2.  left與right的加減

因為此處是左閉右開區間,在[left, right)中mid被檢測後,需要據mid將其劃分為兩個區間,[left, mid)和[mid + 1, right)。為了保證區間結構不變,所以right應變為mid,left應變為mid + 1

  3.  有關結尾的返回值

返回值表示目標值在序列中的左側邊界,等價於小於目標值的元素個數。分析可知left的取值範圍是[0, nums.Length],所以當left == nums.Length時,說明沒有一個元素小於target,即target在該序列中不存在,返回-1即可。(當然,最終的返回值也可以是right,因為終止條件是left == right)

1 if (left == nums.length) return -1;
2 return nums[left] == target ? left : -1;

  4.  該演算法的核心,即為何可以查詢左側邊界

1 if (nums[mid] == target) 
2     right = mid;

當nums[mid] == target時,因為資料有序,說明mid左側可能存在target,所以應縮小上界,不斷向左收縮。

  5.  統一格式,將while迴圈加入等號

據原理,只需將right初值設為nums.Length – 1;right的變化改為mid – 1即可。

 1 public int LeftBound(int[] nums, int target) {
 2     int left = 0, right = nums.length - 1;
 3     while (left <= right) {
 4         int mid = left + (right - left) / 2;
 5         if (nums[mid] == target) {
 6             right = mid - 1;
 7             left = mid + 1;
 8         } else if (nums[mid] > target) {
 9             right = mid - 1;
10         } else if (nums[mid] < target) {
11             left = mid + 1;
12         }
13     }
14     if (left >= nums.length || nums[left] != target)
15         return -1;
16     return left;
17 }

(三)  尋找右邊界

 1 public int RightBound(int[] nums, int target) {
 2     if (nums.length == 0) return -1;
 3     int left = 0, right = nums.length;
 4     while (left < right) {
 5         int mid = left + ((left + right) >> 1);
 6         if (nums[mid] == target) {
 7             left = mid + 1; //【1】
 8         } else if (nums[mid] < target) {
 9             left = mid + 1;
10         } else if (nums[mid] > target) {
11             right = mid;
12         }
13     }
14     return left - 1; //【2】
15 }

  1.  left與right的加減

因為此處是左閉右開區間,在[left, right)中mid被檢測後,需要據mid將其劃分為兩個區間,[left, mid)和[mid + 1, right) 。為了保證區間結構不變,所以right應變為mid,left應變為mid + 1

  2.  有關最後返回值

因為對left的更新為mid + 1,結束時會產生以下結果:

 

[注:上圖來源於搜尋引擎查詢結果】

所以需返回left – 1(也可返回right - 1)。

同理,當left == 0時,說明沒有一個元素大於target,即target在該序列中不存在,返回-1即可。

1 if (left == 0) return -1;
2 return nums[left-1] == target ? (left-1) : -1;

  3.  統一格式

 1 public int RightBound(int[] nums, int target) {
 2     int left = 0, right = nums.length - 1;
 3     while (left <= right) {
 4         int mid = left + ((right - left) >> 1);
 5         if (nums[mid] == target) {
 6             left = mid + 1;
 7         } else if (nums[mid] > target) {
 8             right = mid - 1;
 9         } else if (nums[mid] < target) {
10             left = mid + 1;
11         }
12     }
13     if (right < 0 || nums[right] != target)
14         return -1;
15     return right;
16 }

 

小結

1. 寫二分查詢時,儘量不要出現 else,將所有情況列出來便於分析。

2. 注意搜尋區間形式和 while 的終止條件,若存在漏掉的元素,最後特判。

3. 如需定義左閉右開的搜尋區間,搜尋左右邊界,只要在 nums[mid] == target 時做修改即可,搜尋右側時需要減一

4. 如果將搜尋區間全都統一成兩端閉,只要修改 nums[mid] == target 條件處的程式碼和返回的邏輯即可。

 

從一維二分談起

二分法,用於在集合中查詢某些符合要求的元素,可以將時間複雜度降低至對數級。使用二分法的前提查詢序列的有序性,主要思想是從序列中間位置開始,根據當前的中間值與目標值的大小關係,修改區間端點,確定目標值所在區間。

題意:在半有序的結合中查詢目標元素的索引值

思想:選定中點,比較中點值來更改區間,但需要先判斷當前所查詢的區間是否為有序區間,否則不能使用二分法

 1 //C# Version
 2 
 3 public class Solution {
 4     public int Search(int[] nums, int target) {
 5         int n = nums.Length;
 6         if(n == 0) return -1;
 7         if(n == 1) return nums[0] == target ? 0 : -1;
 8         
 9         int left = 0, right = n - 1;
10         while(left <= right) {
11             int mid = left + ((right - left) >> 1);
12             if(target == nums[mid]) return mid;
13             if(nums[0] <= nums[mid]) {
14                 if(nums[0] <= target && target < nums[mid]) right = mid - 1;
15                 else left = mid + 1;
16             }
17             else if(nums[0] > nums[mid]){
18                 if(nums[mid] < target && target <= nums[n - 1]) left = mid + 1;
19                 else right = mid - 1;
20             }
21         }
22         return -1;
23     }
24 }

 

 1 //C++ Version
 2 
 3 class Solution {
 4 public:
 5     int search(vector<int>& nums, int target) {
 6         int n = (int)nums.size();
 7         if(n == 0) return -1;
 8         if(n == 1) return nums[0] == target ? 0 : -1;
 9 
10         int left = 0, right = n - 1;
11         while(left <= right) {
12             int mid = left + ((right - left) >> 1);
13             if(target == nums[mid]) return mid;
14             if(nums[0] <= nums[mid]) {
15                 if(nums[0] <= target && target < nums[mid]) right = mid - 1;
16                 else left = mid + 1;
17             }
18             else if(nums[0] > nums[mid]){
19                 if(nums[mid] < target && target <= nums[n - 1]) left = mid + 1;
20                 else right = mid - 1;
21             }
22         }
23         return -1;
24     }
25 };

 

題意:找出陣列中滿足其和大於等於目標值的長度最小的連續子序列

思想:要判斷連續區間內的和,就先求出原陣列的字首和,因為題保證了陣列中每個元素都為正,所以字首和一定是遞增的,保證了二分的正確性。

得到字首和之後,對於每個開始下標 i,可通過二分查詢得到大於或等於i的最小下標 bound,使得 sum[bound] - sum [i−1] ≥ target,並更新子陣列的最小長度,此時子陣列的長度是bound - i + 1。

 【注:此解法非最優解】

 1 //C# Version
 2 
 3 public class Solution {
 4     public int MinSubArrayLen(int target, int[] nums) {
 5         int n = nums.Length;
 6         if (n == 0) return 0;
 7         int ans = int.MaxValue;
 8         int[] sums = new int[n + 1];
 9         for (int i = 1; i <= n; ++i) 
10             sums[i] = sums[i - 1] + nums[i - 1];
11         for (int i = 1; i <= n; ++i) {
12             int s = target + sums[i - 1];
13             int bound = LowerBound(sums, i, n - 1, s);
14             if (bound != -1)
15                 ans = Math.Min(ans, bound - i + 1);
16         }
17         return ans == int.MaxValue ? 0 : ans;
18     }
19     private int LowerBound(int[] nums, int left, int right, int s) {
20         while (left <= right) {
21             int mid = left + ((right - left) >> 1);
22             if (nums[mid] < s) left = mid + 1;
23             else right = mid - 1;
24         } 
25         return (nums[left] >= s) ? left : -1;
26     }
27 }

 

 1 //C++ Version
 2 
 3 class Solution {
 4 public:
 5     int minSubArrayLen(int s, vector<int>& nums) {
 6         int n = nums.size();
 7         if (n == 0) return 0;
 8         int ans = INT_MAX;
 9         vector<int> sums(n + 1, 0); 
10         for (int i = 1; i <= n; i++)
11             sums[i] = sums[i - 1] + nums[i - 1];
12         for (int i = 1; i <= n; i++) {
13             int target = s + sums[i - 1];
14             auto bound = lower_bound(sums.begin(), sums.end(), target);
15             if (bound != sums.end())
16                 ans = min(ans, static_cast<int>((bound - sums.begin()) - (i - 1)));
17         }
18         return ans == INT_MAX ? 0 : ans;
19     }
20 };

 

題意:找到陣列中某個峰值元素的索引(且nums[-1]與nums[len] = 負無窮)

思想:首先思考如何判斷峰值所在區間。

假設mid < mid + 1

  • 對於mid – 1,無論是mid – 1 > mid還是mid – 1 > mid均不能得到mid是峰值;
  • 對於mid + 2,有兩種情況:若mid + 2 < mid + 1則峰值為mid + 1;若mid + 2 > mid + 1,繼續後推,由於邊界後的值為-∞,那麼一定可以得到最後一個值為峰值。

綜上:峰值一定在較大的一部分。

 1 //C# Version
 2 
 3 public class Solution {
 4     public int FindPeakElement(int[] nums) {
 5         int left = 0, right = nums.Length - 1;
 6         while(left < right)
 7         {
 8             int mid = left + (right - left) / 2;
 9             if(nums[mid] > nums[mid + 1]) right = mid;
10             else left = mid + 1;
11         }
12         return left;
13     }
14 }

 

 1 //C++ Version
 2 
 3 int findPeakElement(vector<int>& nums) {
 4     int left = 0, right = nums.size() - 1;
 5     for (; left < right; ) {
 6         int mid = left + (right - left) / 2;
 7         if (nums[mid] > nums[mid + 1]) {
 8             right = mid;
 9         } else {
10             left = mid + 1;
11         }
12     }
13     return left;
14 }

 

小結

一維二分思想和操作較為簡單,具體步驟為:

  1. 確定並構建查詢物件。即是查詢元素,還是查詢和、差等,構建出用於查詢的序列,如:字首和。

  2.  判斷二分後目標值可能的所在區間。一般是通過中值和目標值的比較更改區間,特殊地(如峰值尋找)需要運用一定數學知識進行判斷。

 

有關二維二分

二維本質上可以看作是一維的疊加,某些簡單的情況下,可以一維一維的查詢。也可以從定義出發,從中點開始進行區間更改。當然,二維二分也有一些常見的變式,如從一個端點、對角線兩個端點出發等。

題意:在二維矩陣中查詢某個值是否存在。

思想:可以將二維陣列劃分為一維陣列,一行一行或一列一列進行判斷。可以對矩陣的第一列的元素二分查詢,找到最後一個不大於目標值的元素,然後在該元素所在行,進行二分查詢目標值是否存在。

 1 //C# Version
 2 
 3 class Solution {
 4     public bool SearchMatrix(int[][] matrix, int target) {
 5         int rowIndex = BinarySearchFirstColumn(matrix, target);
 6         if (rowIndex < 0) return false;
 7         return BinarySearchRow(matrix[rowIndex], target);
 8     }
 9 
10     private int BinarySearchFirstColumn(int[][] matrix, int target) {
11         int low = -1, high = matrix.Length - 1;
12         while (low < high) {
13             int mid = (high - low + 1) / 2 + low;
14             if (matrix[mid][0] <= target) low = mid;
15             else high = mid - 1;
16         }
17         return low;
18     }
19 
20     private bool BinarySearchRow(int[] row, int target) {
21         int low = 0, high = row.Length - 1;
22         while (low <= high) {
23             int mid = (high - low) / 2 + low;
24             if (row[mid] == target) return true;
25             else if (row[mid] > target) high = mid - 1;
26             else low = mid + 1;
27         }
28         return false;
29     }
30 }

 

也可以從定義出發,從中間點開始進行判斷。

 1 //C# Version
 2 
 3 public class Solution {
 4     public bool SearchMatrix(int[][] matrix, int target) {
 5         int m = matrix.Length, n = matrix[0].Length;
 6         int low = 0, high = m * n - 1;
 7         while (low <= high) {
 8             int mid = low + ((high - low) >> 1);
 9             int x = matrix[mid / n][mid % n];
10             if (x < target) low = mid + 1;
11             else if (x > target) high = mid - 1;
12             else return true;
13         }
14         return false;
15     }
16 }

 

注意到每行的第一個整數大於前一行的最後一個整數。因此,把每一行拼接到前一行可以得到一個遞增序列,所以可以從右上角開始進行判斷。

 1 //C# Version
 2 
 3 public class Solution {
 4     public bool SearchMatrix(int[][] matrix, int target) {
 5         int n = matrix.Length;
 6         if(n == 0) return false;
 7         int row = 0, col = matrix[0].Length - 1;
 8         while(row < n && col >= 0)
 9         {
10             if(matrix[row][col] < target) row++;
11             else if(matrix[row][col] >target) col--;
12             else return true;
13         }
14         return false;
15     }
16 }

 

 1 //C++ Version
 2 
 3 class Solution {
 4 public:
 5     bool searchMatrix(vector<vector<int>>& matrix, int target) {
 6         int row = matrix.size(), col = matrix[0].size();
 7         for(int i = 0, j = col-1; i < row && j >= 0;) {
 8             if(matrix[i][j] == target) 
 9                 return true;
10             else if(matrix[i][j] > target) 
11                 j--;
12             else if(matrix[i][j] < target)
13                 i++;
14         }
15         return false;
16     }
17 };

 

題意:在矩陣中找到第K小數

思想:可以從定義出發,從中間點開始進行判斷。關鍵是統計對於當前數mid,有多少個比它小的數。

若每行的第一個整數大於前一行的最後一個整數,則cnt = i * n + j。但本題不滿足該條件,則需要尋找一個參照值,通過迴圈,統計小於等於當前值的元素數。觀察四個邊角,左上角的元素最小,右下角的元素最大,而左下角和右上角的元素大小與mid相比是未定的,不妨取二者其一作為參照值。

在此,取左下角的值為參照值。

 1 //C# Version
 2 
 3 public class Solution {
 4     public int KthSmallest(int[][] matrix, int k) {
 5         int n = matrix.Length;
 6         int left = matrix[0][0], right = matrix[n - 1][n - 1];
 7         while(left < right) {
 8             int mid = left + ((right - left) >> 1);
 9             if(Check(matrix, mid, k, n)) right = mid;
10             else left = mid + 1;
11         }
12         return left;
13     }
14     private bool Check(int[][] matrix, int mid, int k, int n) {
15         int cnt = 0;
16         int i = n - 1, j = 0;
17         while(i >= 0 && j < n) {
18             if(matrix[i][j] > mid) i--;
19             else {
20                 cnt += i + 1;
21                 j++;
22             }
23         }
24         return cnt >= k;
25     }
26 }

 

本題與上題類似,只是在計數上有變化。

 1 /C# Version
 2 
 3 public class Solution {
 4     public int FindKthNumber(int m, int n, int k) {
 5         int left = 1, right = m * n;
 6         while(left < right) {
 7             int mid = left + ((right - left) >> 1);
 8             if(CheckCnt(mid, k, m, n)) right = mid;
 9             else left = mid + 1;
10         }
11         return left;
12     }
13     private bool CheckCnt(int mid, int k, int m, int n) {
14         int cnt = 0;
15         for(int i = 1; i <= m; i++) cnt += Math.Min(mid / i, n);
16         return cnt >= k;
17     }
18 }

 

小結

二維二分通常從邊角出發,通常以邊角值為參照值,進行區間的更新。其本質依舊是比大小,改區間。

 

有關第K小數

在此介紹一種演算法:中位數的中位數算(BFPRT),該演算法主要解決TOP-K問題。

有一個經典的問題,“從長度為N的無序陣列中找出前k大的數”。TOP-K問題的最簡單解法為快速排序後取第K大的數,但快速排序可能會達到最壞情況時間複雜度O(n2),且會對無用的資料進行排序操作(歸併除外)。而該演算法的主要優化是,修改快速排序選擇主元的方法,優化最壞時間複雜度。

對於快速排序,一般選擇中間位置的元素作為參照值,將小的數移到參照值左邊,大的數移到右邊,此時對於中間位置的該值,即為序列中第n/2小的數

那麼,是否可以用類似的方法,通過一次O(n)的操作找出第k小數呢?

該演算法通過“隨機選擇”實現了這個操作,其思想與快排類似,僅僅改變了對參照值的選取。

具體流程:

  1.將n個元素劃為 n/5 組,每組5個,至多隻有一組由 n%5 個元素組成。

  2.尋找每一個組的中位數(可以用插排)。

  3.對步驟2選出的 n/5 箇中位數,重複步驟1和步驟2,遞迴下去,直到剩下一個數字。

  4.最終剩下的數字近似為序列的中位數pivot,把小於等於它的數放左邊,大於的數放右邊。

  5.判斷pivot的位置與k的大小,如果pivot > k,則在[0, pivot – 1]內尋找第k小數;反之在[pivot + 1, n - 1]內尋找 k – pivot 小的數。

注意下面兩種分治的思想:

  1.分治法O(nlogn):大問題分解為小問題,小問題都要遞迴各個分支,例如:快速排序。

  2.減治法O(n):大問題分解為小問題,小問題只要遞迴一個分支,例如:二分查詢,隨機選擇。

 1 #include <bits/stdc++.h>
 2 using namespace std;
 3 
 4 int InsertSort(int array[], int left, int right);
 5 int GetPivotIndex(int array[], int left, int right);
 6 int Partition(int array[], int left, int right, int pivot_index);
 7 int BFPRT(int array[], int left, int right, int k);
 8 
 9 ///劃分
10 int Partition(int arr[], int left, int right, int pivot_index) {
11     swap(arr[pivot_index], arr[right]); // 把主元放置於末尾
12 
13     int partition_index = left; // 跟蹤劃分的分界線
14     for (int i = left; i < right; i++)
15         if (arr[i] < arr[right])
16             swap(arr[partition_index++], arr[i]); // 比pivot小的都放在左側
17 
18     swap(arr[partition_index], arr[right]); // 最後把pivot換回來
19     return partition_index;
20 }
21 
22 ///返回第 k 小數的下標
23 int BFPRT(int arr[], int left, int right, int k) {
24     int pivot_index = GetPivotIndex(arr, left, right); // 得到中位數的中位數下標
25     int partition_index = Partition(arr, left, right, pivot_index); // 進行劃分,返回劃分邊界
26     int num = partition_index - left + 1;
27 
28     if (num == k)
29         return partition_index;
30     else if (num > k)
31         return BFPRT(arr, left, partition_index - 1, k);
32     else
33         return BFPRT(arr, partition_index + 1, right, k - num);
34 }
35 
36 ///返回 [left, right]的中位數。
37 int Insertion(int arr[], int left, int right) {
38     int temp, j;
39     for (int i = left + 1; i <= right; i++) {
40         temp = arr[i];
41         j = i - 1;
42         while (j >= left && arr[j] > temp) {
43             arr[j + 1] = arr[j];
44             j--;
45         }
46         arr[j + 1] = temp;
47     }
48     return left + ((right - left) >> 1);
49 }
50 
51 ///陣列每五個元素作為一組,並計算每組的中位數,最後返回這些中位數的中位數下標
52 ///末尾返回語句最後一個引數多加 1 的作用是向上取整,可以始終保持 k 大於 0。
53 int GetPivotIndex(int arr[], int left, int right) {
54     if (right - left < 5)
55         return Insertion(arr, left, right);
56     int sub_right = left - 1;
57     
58     // 每五個作為一組,求出中位數,並把這些中位數全部依次移動到陣列左邊
59     for (int i = left; i + 4 <= right; i += 5) {
60         int index = Insertion(arr, i, i + 4);
61         swap(arr[++sub_right], arr[index]);
62     }
63 
64     // 利用 BFPRT 得到這些中位數的中位數下標
65     return BFPRT(arr, left, sub_right, ((sub_right - left + 1) >> 1) + 1);
66 }
67 
68 int main() {
69     ios::sync_with_stdio(false);
70     int k = 8; // 1 <= k <= array.size
71     int nums[20] = { 12, 9, 7, 1, 13, 9, 15, 0, 26, 2, 17, 5, 14, 31, 6, 18, 22, 7, 19, 41 };
72 
73     cout << "The Source Data:";
74     for (int i = 0; i < 20; i++)
75         cout << nums[i] << " ";
76     cout << endl;
77 
78     // 因為是以 k 為劃分,所以還可以求出第 k 小值
79     cout << "The Kth smallest number:" << nums[BFPRT(nums, 0, 19, k)] << endl;
80 
81     cout << "After Processing:";
82     for (int i = 0; i < 20; i++)
83         cout << nums[i] << " ";
84     cout << endl;
85     return 0;
86 }

相關文章