TOP-K问题:即求数据结合中前K个最大的元素或者最小的元素,一般情况下数据量都比较大。
对于Top-K问题,能想到的最简单直接的方式就是:
排序 --------时间复杂度:O(N*logN)空间复杂度O(1)
建立N个数的大堆,Pop K次,就可以选出最大的前K个--------时间复杂度O(N+logN*K)空间复杂度:O(1)
但是:如果数据量非常大,排序就不太可取了(可能数据都不能一下子全部加载到内存中)。
最佳的方式就是用堆来解决,基本思路如下:
- 用数据集合中前K个元素来建堆
前k个最大的元素,则建小堆
前k个最小的元素,则建大堆
原理在堆排序已说
- 用剩余的N-K个元素依次与堆顶元素来比较,不满足则替换堆顶元素
将剩余N-K个元素依次与堆顶元素比完之后,堆中剩余的K个元素就是所求的前K个最小或者最大的元素。
这里采用向下调整法建小堆,因为这既方便效率又高。
//向下调整法
void AdjustDown(int*a, int& n, int parent)
{
int child = parent * 2 + 1;
while (child < n)
{
if (a[child] > a[child + 1] && child + 1 < n)
{
child++;
}
if (a[child] < a[parent])
{
swap(a[child], a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
然后就是解下来建堆:
int* heapmink = (int*)malloc(sizeof(int) * k);
assert(heapmink);
//将数据赋值进创建的堆的中
for (int i = 0; i < k; i++)
{
heapmink[i] = a[i];
}
//将数据按小堆建好
for (int i = (k-1-1)/2; i >= 0; i--)
{
AdjustDown(heapmink, k, i);
}
然后进行元素的交换:
for (int j = k; j < n; j++)
{
if (heapmink[0] < a[j])
{
swap(heapmink[0], a[j]);
//交换完后需要调整,将数据大的下调
AdjustDown(heapmink, k, 0);
}
}
这样就可以将最大(最小的)k个数据给找到
以下是整个top-k解决的代码,自己实现了数据并进行测试:
#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <cassert>
using namespace std;
//交换
void swap(int& left, int& right)
{
int temp = left;
left = right;
right = temp;
}
//向下调整法
void AdjustDown(int*a, int& n, int parent)
{
int child = parent * 2 + 1;
while (child < n)
{
if (a[child] > a[child + 1] && child + 1 < n)
{
child++;
}
if (a[child] < a[parent])
{
swap(a[child], a[parent]);
parent = child;
child = parent * 2 + 1;
}
else
{
break;
}
}
}
void PrintTopK(int* a, int& n, int k)
{
// 1. 建堆--用a中前k个元素建堆
int* heapmink = (int*)malloc(sizeof(int) * k);
assert(heapmink);
for (int i = 0; i < k; i++)
{
heapmink[i] = a[i];
}
for (int i = (k-1-1)/2; i >= 0; i--)
{
AdjustDown(heapmink, k, i);
}
// 2. 将剩余n-k个元素依次与堆顶元素交换,不满则则替换
for (int j = k; j < n; j++)
{
if (heapmink[0] < a[j])
{
swap(heapmink[0], a[j]);
//交换完后需要调整,将数据大的下调
AdjustDown(heapmink, k, 0);
}
}
//打印最大的k个数据
for (int i = 0; i < k; ++i)
{
cout << heapmink[i] << " ";
}
cout << endl;
//释放开辟的空间
free(heapmink);
}
void TestTopk()
{
int n = 10000;
int* a = (int*)malloc(sizeof(int) * n);
assert(a);
srand(time(0));
for (size_t i = 0; i < n; ++i)
{
a[i] = rand() % 1000000;
}
a[5] = 1000000 + 1;
a[1231] = 1000000 + 2;
a[531] = 1000000 + 3;
a[5121] = 1000000 + 4;
a[115] = 1000000 + 5;
a[2335] = 1000000 + 6;
a[9999] = 1000000 + 7;
a[76] = 1000000 + 8;
a[423] = 1000000 + 9;
a[3144] = 1000000 + 10;
PrintTopK(a, n, 10);
}
int main()
{
TestTopk();
return 0;
}