所以,大家都知道比较树下界关于(确定性)比较排序算法进行的最坏情况下的比较。它不适用于随机比较排序(如果我们测量最坏情况输入的预期比较)。例如,对于n = 4,确定性下限是5个比较,但是随机算法(随机置换输入,然后应用合并排序)效果更好,具有4 2所有输入的期望值进行 3个比较。
该根据信息理论,无上限的约束仍然适用于随机情况,并且可以将其稍微拧紧到 k + 2 (n !− 2 k) 这是因为存在一种最优算法,该算法会随机排列输入,然后应用(确定性)决策树,而最佳决策树(如果存在)是其中所有叶子都处于两个连续级别中的最优决策树。
如果知道此问题的上限怎么办?对于所有,比较的随机数(期望,对于最坏情况的输入,对于最佳可能的算法)始终严格比最佳确定性算法好(本质上,因为n !永远不是2的幂)。 。但是好多少呢?