位图排序

问题：

给定输入文件，文件中每条记录是一个整型数（不重复），每条记录最大为n，n<=10000000，要求对文件中所有记录排序（从小到大），然后输入到给定文件。

限制：主存不超过1MB（实际程序超过了1M）。

按照《编程珠玑》上介绍，有以下几种方法：

1，多通道分片读取文件，然后合并排序分片文件

2，位图排序：适合于对大量不重复数据，并且数据其他相关数据。

算法描述如下：

示例：对于不超过20的整型数据，可以用20个bit位来表示，例如1,2,4,14可表示：

00000010000000001011，即将每一个数对应的bit位置1。

因此，对于10000000个记录项，可以用10000000个bit位来表示。

在设置或清除每一个读取的整数对应的位时：

（1）首先找到该整数对应的数组的下标（i>>5）。由于数组中的每一个整数有32位（假设int型为32位），这32位可以表示32个整数。

（2）找到该整数在对应整数的位坐标pos。

（3）设置或清除该整数的位。

c++实现如下： 1 #include <iostream> 2 #include <bitset> 3 #include <fstream> 4 #include <vector> 5 using namespace std; 6 const int BITSPERWORD=32; 7 const int MAX = 100000; 8 const int NUM = MAX/BITSPERWORD; 9 vector< bitset<32> > vec(1+NUM); 10 void set(int i ) 11 { 12 /* 13 int tmp = i>>5; 14 cout << tmp <<endl; 15 */ 16 vector<bitset<32> >::iterator it = vec.begin(); 17 int pos = i%32; 18 it += i>>5; 19 (*it).set(pos,1); 20 } 21 void clear(int i) 22 { 23 vector<bitset<32> >::iterator it = vec.begin(); 24 int pos = i%32; 25 it += i>>5; 26 (*it).reset(pos); 27 } 28 int test(int i) 29 { 30 vector<bitset<32> >::iterator it = vec.begin(); 31 int pos = i%32; 32 it += i>>5; 33 if((*it).test(pos)) 34 return 1; 35 else 36 return 0; 37 38 } 39 int main() 40 { 41 ifstream fin("source.file"); 42 ofstream fout("sort.file"); 43 int i = 0; 44 int tmp = 0; 45 46 vector< bitset<32> >::iterator it = vec.begin(); 47 while(it!=vec.end()) 48 { 49 (*it).reset(); 50 //cout << (*it)<<endl; 51 it++; 52 } 53 /* 54 for(i = 0;i<NUM +1;i++) 55 clear(i); 56 */ 57 while(fin>>tmp) 58 { 59 set(tmp); 60 } 61 for(i = 0;i<MAX+1;i++) 62 if(test(i)) 63 fout<< i << endl; 64 } 

c语言实现如下：

1 #include <stdio.h> 2 3 #define MAX 100000 4 #define BITSPERWORD 32 5 #define NUM (MAX/BITSPERWORD) 6 7 int a[NUM+1]; 8 void set(i) 9 { 10 int label; 11 int pos; 12 label = i>>5; 13 pos = i%32; 14 // pos = i&0x1f; 15 a[label] |= 1<<pos; 16 } 17 void clear(i) 18 { 19 int label; 20 int pos; 21 label = i>>5; 22 pos = i%32; 23 //pos = i&0x1f; 24 a[label] &= ~(i<<pos); 25 } 26 int test(i) 27 { 28 int label; 29 int pos; 30 label = i>>5; 31 // pos = i&0x1f; 32 pos = i%32; 33 34 if(a[label]&(~(1<<pos))) 35 return 1; 36 else 37 return 0; 38 } 39 int main() 40 { 41 42 FILE *fin; 43 FILE *fout; 44 fin = fopen("source.file","r"); 45 fout = fopen("sort.file","w"); 46 int i = 0; 47 for(i = 1;i<MAX+1;i++) 48 clear(i-1); 49 int tmp; 50 while(fscanf(fin,"%d",&tmp)!=EOF) 51 { 52 set(tmp-1); 53 } 54 for(i = 1;i<MAX+1;i++) 55 { 56 if(test(i-1)) 57 { 58 fprintf(fout,"%d/n",i); 59 } 60 } 61 }

在我的机器上测试两种语言实现的效率：测试的数据位100000，c++用时为c语言的约两倍。