Изменения

'''Терпеливая сортировка '''(англ. ''patience sorting'') {{---}} алгоритм сортировки с худшей сложностью <tex>O(n</tex> <tex>\log</tex> <tex>n)</tex>. Позволяет также вычислить длину [[Задача о наибольшей возрастающей подпоследовательности |наибольшей возрастающей подпоследовательности]] данного массива. Алгоритм назван по одному из названий карточной игры "Солитёр" {{---}} "Patience".

Имеем массив <tex>source [0..n-1]</tex>, элементы которого нужно отсортировать по возрастанию. Разложим элементы массива по стопкам: для того чтобы положить элемент в стопку, требуется выполнение условия {{---}} новый элемент меньше элемента, лежащего на вершине стопки; либо создадим новую стопку справа и сделаем наш элемент её вершиной. Используем жадную стратегию: каждый элемент кладётся в самую левую стопку из возможных, если же таковой нет, справа от существующих стопок создаётся новая.Для получения отсортированного массива сначала построим массив стопок, затем выполним <tex>n</tex> шагов(здесь и далее нумерация шагов начинается с единицы): на <tex>i</tex>-м шаге выберем из всех вершин стопок наименьшую, извлечём её и запишем в массив <tex>ans [0..n-1]</tex> на <tex>i-1</tex>-ю позицию. Мы формируем новую стопку, когда встречаем элемент больший, чем вершины всех стопок, расположенных слева. В то же время стопки слева были созданы ранее, то есть элементы в них идут в исходной последовательности раньше текущего. ЗначитКаждая стопка представляет собой убывающую последовательность, то есть длина НВП в пределах стопки равна единице, поэтому появление новой стопки можно понимать как увеличение длины наибольшей возрастающей подпоследовательности на единицу (изначально длина НВП равна единице). Кроме того, каждая стопка представляет собой убывающую последовательность, т.е. длина НВП в пределах стопки равна единице. Поэтому длина наибольшей возрастающей подпоследовательности равна количеству стопок. Для получения наибольшей возрастающей подпоследовательности при формировании стопок проведём следующие операции: каждый раз, положив элемент на вершину стопки, будем создавать указатель на возможный предыдущий элемент (вершину ближайшей слева стопки). В конце для получения наибольшей возрастающей подпоследовательности нужно выполнить <tex>p</tex> шагов, начав с вершины самой правой стопки: на <tex>i</tex>-м шаге записать в <tex>lis[0..p-1]</tex> на <tex>(p-i)</tex>-ю позицию текущий элемент, перейти к предыдущему элементу по указателю, <tex>p</tex> {{---}} количество стопок.

Создадим массив [[список|список]] [[стек|стеков ]] для хранения стопок. При раскладывании элементов по стопкам для поиска самой левой подходящей стопки используем [[Целочисленный двоичный поиск|бинарный поиск]]. Соответственно, поиск самой левой стопки занимает <tex>O(\log</tex> <tex>p)</tex>, где p {{---}} количество стопок (стеков). Таким образом, временная сложность раскладывания по стопкам не превышает <tex>O(n \cdot \log n)</tex>. Для получения отстортированного массива используем [[Двоичная куча|бинарную кучу]]. На каждом шаге алгоритма необходимо извлечь из кучи стек с минимальной вершиной за <tex>O(\log</tex> <tex>p)</tex>, где <tex>p </tex> {{- --}} количество стеков в куче. Снять вершину выбранного стека и вернуть его в кучу за <tex>O(\log</tex> <tex>p)</tex>. Получение отсортированного массива займёт <tex>O(n \cdot \log</tex> <tex>n)</tex> времени.

Таким образом, алгоритм сортировки требует <tex>O(n \cdot \log n)</tex> времени в худшем случае и <tex>O(n)</tex> дополнительной памяти при любом раскладе. Если диапазон, в котором могут изменяться данные, известен, временная сложность алгоритма сортировки составляет <tex>O(n \cdot \log \log n)</tex>. Такая оценка основывается на структуре данных [[Дерево ван Эмде Боаса|Дерево ван Эмде Боаса]].

Map<E, E> previous <font color = green>//формирование стопок</font> List<Stack<E>> createPiles(E[] source): List<Stack<E>> piles '''for''' (i = 0..n - 1) Stack<E> pile = Pile(source[i]) i j = BinarySearchbinarySearch(piles, pile) '''if''' (i j == piles.size) piles.Addadd(pile) '''else''' piles[ij].Addadd(Pile(source[i])) previous.set(piles[ij].Top.Previouspeek() = , piles[i j - 1].Top peek()) <font color=green> // для последующего получения НВП</font> '''return''' piles

<font color = green>//Получение отсортированного массива</font> '''bool ''' comparePiles (Stack<E> x, Stack<E> y): return x.Peekpeek() < y.Peekpeek() E[] getSortedArray(E[] source): List<Stack<E>> piles = createPiles(source): PriorityQueue<Stack<E>> q(piles, '''comparator''' = comparePiles) '''for''' (i = 0..n - 1) answer[i] = q.Minmin().Poppop() '''return''' answer

<font color = green>//Получение наибольшей возрастающей подпоследовательности</font> answerE[] getLIS(List<Stack<E>> piles): lis[n - 1] = piles[piles.size - 1].Toppeek() E prev = answerprevious.get(lis[n - 1].Previous() '''for''' (i = n - 2..0) answer lis[i]=prev prev = answerprevious.get(lis[i].Previous() '''return''' lis

Рассмотрим работу алгоритма на последовательности: массиве <tex>[3 , 1 , 2 , 4 , 5 , 0]</tex>.

== Ссылки Источники информации ==*[http[wikipedia://en.wikipedia.org/wiki/Patience_sorting Терпеливая сортировка в английской ВикипедииPatience sorting | Wikipedia {{---}} Patience sorting ]]