关闭

【编程之美】读书笔记:寻找最大的K个数

标签: 编程之美
210人阅读 评论(0) 收藏 举报
分类:

    问题:查找大量无序元素中最大的K个数。

         解法一:该解法是大部分能想到的,也是第一想到的方法。假设数据量不大,可以先用快速排序或堆排序,他们的平均时间复杂度为O(N*logN),然后取出前K个,时间复杂度为O(K),总的时间复杂度为O(N*logN)+O(K).
        当K=1时,上面的算法的时间复杂度也是O(N*logN),上面的算法是把整个数组都进行了排序,而原题目只要求最大的K个数,并不需要前K个数有限,也不需要后N-K个数有序。可以通过部分排序算法如选择排序和交换排序,把N个数中的前K个数排序出来,复杂度为O(N*K),选择哪一个,取决于K的大小,在K(K<logN)较小的情况下,选择部分排序。


         解法二(掌握)避免对前K个数进行排序来获取更好的性能(利用快速排序的原理)。
        假设N个数存储在数组S中,从数组中随机找一个元素X,将数组分成两部分Sa和Sb.Sa中的元素大于等于X,Sb中的元素小于X。
    出现如下两种情况:
   (1)若Sa组的个数大于或等于K,则继续在sa分组中找取最大的K个数字 。
   (2)若Sa组中的数字小于K ,其个数为T,则继续在sb中找取 K-T个数字 。
   一直这样递归下去,不断把问题分解成小问题,平均时间复杂度为O(N*logK)。
   代码如下:

[cpp] view plain copy
  1. /*将数组a[s]...a[t]中的元素用一个元素划开,保存中a[k]中*/  
  2. void partition(int a[], int s,int t,int &k)    
  3. {    
  4.     int i,j,x;    
  5.     x=a[s];    //取划分元素     
  6.     i=s;        //扫描指针初值     
  7.     j=t;    
  8.     do    
  9.     {    
  10.         while((a[j]<x)&&i<j) j--;   //从右向左扫描,如果是比划分元素小,则不动  
  11.         if(i<j) a[i++]=a[j];           //大元素向左边移     
  12.         while((a[i]>=x)&&i<j) i++;      //从左向右扫描,如果是比划分元素大,则不动   
  13.         if(i<j) a[j--]=a[i];            //小元素向右边移     
  14.     
  15.     }while(i<j); //直到指针i与j相等      
  16. a[i]=x;      //划分元素就位     
  17. k=i;    
  18. }    
  19. /*查找数组前K个最大的元素,index:返回数组中最大元素中第K个元素的下标(从0开始编号),high为数组最大下标*/  
  20. int FindKMax(int a[],int low,int high,int k)  
  21. {   
  22.      int q;  
  23. int index=-1;  
  24.    if(low < high)    
  25.       {    
  26.         partition(a , low , high,q);    
  27.         int len = q - low + 1; //表示第几个位置      
  28.         if(len == k)    
  29.          index=q; //返回第k个位置     
  30.         else if(len < k)     
  31.          index= FindKMax(a , q + 1 , high , k-len);       
  32.        else   
  33.         index=FindKMax(a , low , q - 1, k);    
  34.       }    
  35.     return index;  
  36.   
  37. }  
  38. int main()  
  39. {  
  40.      int a[]={20,100,4,2,87,9,8,5,46,26};    
  41.     int Len=sizeof(a)/sizeof(int);   
  42.      int K=4;  
  43.  FindKMax(a , 0 , Len- 1 , K) ;      
  44.     for(int i = 0 ; i < K ; i++)    
  45.       cout<<a[i]<<" ";    
  46.  return 0;  
  47. }  

         解法三:(掌握)用容量为K的最小堆来存储最大的K个数。最小堆的堆顶元素就是最大K个数中的最小的一个。每次扫描一个数据X,如果X比堆顶元素Y小,则不需要改变原来的堆。如果X比堆顶元素大,那么用X替换堆顶元素Y,在替换之后,X可能破坏了最小堆的结构,需要调整堆来维持堆的性质。调整过程时间复杂度为O(logK)。 全部的时间复杂度为O(N*logK)。
          这种方法当数据量比较大的时候,比较方便。因为对所有的数据只会遍历一次,第一种方法则会多次遍历数组。 如果所查找的K的数量比较大。可以考虑先求出k` ,然后再求出看k`+1 到 2 * k`之间的数据,然后一次求取。
  
  代码如下:

[cpp] view plain copy
  1. void heapifymin(int Array[],int i,int size)  
  2.  {  
  3.     if(i<size)  
  4.  {  
  5.   int left=2*i+1;  
  6.   int right=2*i+2;  
  7.   int smallest=i;//假设最小的节点为父结点  
  8.   //确定三个结点中的最大结点  
  9.   if(left<size)  
  10.   {  
  11.    if(Array[smallest]>Array[left])  
  12.     smallest=left;  
  13.   }  
  14.   if(right<size)  
  15.   {  
  16.           if(Array[smallest]>Array[right])  
  17.     smallest=right;  
  18.   }  
  19.   
  20.   //开始交换父结点和最大的子结点  
  21.        if(smallest!=i)  
  22.     {  
  23.      int temp=Array[smallest];  
  24.      Array[smallest]=Array[i];  
  25.      Array[i]=temp;  
  26.      heapifymin(Array,smallest,size);//对调整的结点做同样的交换  
  27.     }  
  28.  }  
  29.  }  
  30.   
  31. //建堆过程,建立最小堆,从最后一个结点开始调整为最小堆  
  32. void min_heapify(int Array[],int size)  
  33.  {  
  34.   int i;  
  35.   for(i=size-1;i>=0;i--)  
  36.    heapifymin(Array,i,size);  
  37.     
  38.  }  
  39.  //k为需要查找的最大元素个数,size为数组大小,kMax存储k个元素的最小堆  
  40. void FindMax(int Array[],int k,int size,int kMax[])  
  41. {  
  42.   
  43.   for(int i=0;i<k;i++)  
  44.    kMax[i]=Array[i];  
  45.  //对kMax中的元素建立最小堆  
  46.    min_heapify(kMax,k);  
  47.  printf("最小堆如下所示 : \n");  
  48. for(i=0;i<k;i++)  
  49. printf("%4d",kMax[i]);  
  50. printf("\n");  
  51.   
  52.  for(int j=k;j<size;j++)  
  53.   {  
  54.      if(Array[j]>kMax[0]) //如果最小堆的堆顶元素,替换  
  55.   {  
  56.         int temp=kMax[0];  
  57.   kMax[0]=Array[j];  
  58.      Array[j]=temp;  
  59.   //可能破坏堆结构,调整kMax堆  
  60.   min_heapify(kMax,k);  
  61.   }  
  62.     
  63.   
  64.   }  
  65.   
  66.   
  67.    
  68. }  
  69.   
  70. int main()  
  71. {  
  72.       
  73.  int a[]={10,23,8,2,52,35,7,1,12};  
  74.  int length=sizeof(a)/sizeof(int);  
  75.   
  76.     //最大四个元素为23,52,35,12  
  77. /***************查找数组中前K个最大的元素****************/  
  78.  int k=4;  
  79.  int * kMax=(int *)malloc(k*sizeof(int));  
  80.  FindMax(a,k,length,kMax);  
  81.   
  82.    printf("最大的%d个元素如下所示 : \n",k);  
  83.     for(int i=0;i<k;i++)  
  84.         printf("%4d",kMax[i]);  
  85.  printf("\n");  
  86.  return 0;  
  87. }  


         解法四:这也是寻找N个数中的第K大的数算法。利用二分的方法求取TOP k问题。 首先查找 max 和 min,然后计算出mid = (max + min) / 2该算法的实质是寻找最大的K个数中最小的一个。

[cpp] view plain copy
  1. const int N = 8 ;    
  2.  const int K = 4 ;    
  3.      
  4.  /*  
  5.  利用二分的方法求取TOP k问题。  
  6.  首先查找 max 和 min,然后计算出 mid = (max + min) / 2  
  7.  该算法的实质是寻找最大的K个数中最小的一个。   
  8.    
  9.    
  10.  */    
  11.      
  12.  int find(int * a , int x) //查询出大于或者等于x的元素个数      
  13.  {    
  14.      int sum = 0 ;    
  15.          
  16.      for(int i = 0 ; i < N ; i++ )    
  17.      {     
  18.         if(a[i] >= x)    
  19.           sum++ ;                    
  20.      }    
  21.       return sum ;    
  22.  }    
  23.      
  24.    
  25.  int getK(int * a , int max , int min) //最终max min之间只会存在一个或者多个相同的数字      
  26.  {    
  27.      while(max - min > 1)             //max - min的值应该保证比两个最小的元素之差要小      
  28.       {    
  29.         int mid = (max + min) / 2 ;    
  30.         int num = find(a , mid) ;    //返回比mid大的数字个数      
  31.         if(num >= K)                 //最大的k个数目都要比min值大      
  32.            min = mid ;                   
  33.         else    
  34.            max = mid  ;    
  35.       }    
  36.       cout<<"end"<<endl;    
  37.       return min ;    
  38.  }    
  39.      
  40.  int main()    
  41.  {    
  42.    int a[N] = {54, 2 ,5 ,11 ,554 ,65 ,33 ,2} ;      
  43.    int x = getK(a , 554 , 2) ;     
  44.    cout<<x<<endl ;     
  45.    getchar() ;     
  46.    return 0 ;        
  47.  }  


该算法在实际应用中效果不佳。


          解法五:如果N个数都是正数,取值范围不太大,可以考虑用空间换时间。申请一个包括N中最大值的MAXN大小的数组count[MAXN],count[i]表示整数i在所有整数中的个数。这样只要扫描一遍数组,就可以得到第K大的元素。
代码如下:

[cpp] view plain copy
  1. for(sumCount = 0, v = MAXN -1; v >=0; v--)    
  2. {    
  3.        cumCount += count[v];    
  4.        if(sumCount >= k)    
  5.             break;    
  6. }    
  7. return v;   


        扩展问题:
1.如果需要找出N个数中最大的K个不同的浮点数呢?比如,含有10个浮点数的数组(1.5,1.5,2.5,3.5,3.5,5,0,- 1.5,3.5)中最大的3个不同的浮点数是(5,3.5,2.5)。
     解答:除了解法五不行,其他的都可以。因为最后一种需要是正数。
2. 如果是找第k到第m(0<k<=m<=n)大的数呢?
       解答:可以用小根堆来先求出m个最大的,然后从中输出k到m个。
3. 在搜索引擎中,网络上的每个网页都有“权威性”权重,如page rank。如果我们需要寻找权重最大的K个网页,而网页的权重会不断地更新,那么算法要如何变动以达到快速更新(incremental update)并及时返回权重最大的K个网页?
   解答:(解法三)用堆排序当每一个网页权重更新的时候,更新堆。

 举一反三:查找最小的K个元素

    解答:最直观的方法是用快速排序或堆排序先排好,在取前K小的数据。最好的办法是利用解法二解法三的原理进行查找。
0
0

查看评论
* 以上用户言论只代表其个人观点,不代表CSDN网站的观点或立场
    个人资料
    • 访问:269756次
    • 积分:4574
    • 等级:
    • 排名:第6686名
    • 原创:189篇
    • 转载:182篇
    • 译文:0篇
    • 评论:27条
    最新评论
    喜欢的网站