1.什么是Top-k问题
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。
比如:专业前10名、世界500强、富豪榜、游戏中前100的活跃玩家等。
2.思路1—排序
这个方法很容易想到,用我们的堆排序解决的话,时间复杂度是O(nlogn).
void Swap(HPDataType* p1, HPDataType* p2)
{
HPDataType tmp;
tmp = *p1;
*p1 = *p2;
*p2 = tmp;
}
//向下调整
void ADjustDown(HPDataType* data, HPDataType father,int size)
{
//法一:迭代
//HPDataType child = father * 2 + 1;
// //if ((data[child] < data[child + 1])&&(child+1<size))//找到孩子较大的一个
//if ((data[child] > data[child + 1]) && (child + 1 < size))//小堆,找到孩子较小的一个
//{
// child++;
//}
//while (child<size)
//{
// if (data[father] < data[child])//大堆
// //if (data[father] > data[child])//小堆
//
// {
// Swap(&data[father], &data[child]);
// father = child;//孩子变父亲,向下迭代
// child = father * 2 + 1;
// }
// else
// {
// break;
// }
//}
//法二:递归
HPDataType child = father * 2 + 1;
if (child >= size)return;
else
{
//if ((data[child] < data[child + 1]) && (child + 1 < size))//大堆,找到孩子较大的一个
if ((data[child] > data[child + 1]) && (child + 1 < size))//小堆,找到孩子较小的一个
{
child++;
}
//if (data[father] < data[child])//大堆
if (data[father] > data[child])//小堆
{
Swap(&data[father], &data[child]);
}
ADjustDown(data,child,size);
}
}
void Heapsort(HPDataType* data,int size)
{
for (int i = (size - 1 - 1) / 2; i >= 0; i--)
{
ADjustDown(data,i,size);
}
int end = size - 1;
while (end > 0)
{
Swap(&data[0], &data[end]);
ADjustDown(data, 0, end);
end--;
}
}
3.思路2—建堆,Top/Pop k次
也就是说我们先建一个大堆(时间复杂度O(logn)),然后取出堆顶的元素,再删除,重复k次
for (int i = (size - 1 - 1) / 2; i >= 0; i--)
{
ADjustDown(data,i,size);
}
for(int i=0;i<k;i++)
{
printf("%d ",HeapTop(data);
HeapPop(data);
}
4.思路3—建一个大小为k的小堆(最优解)
因为上述两种方法都是在内存中执行的,但是当我们 n很大时,占用内存很大,比如说n为100亿,
我们知道1G=1024MB=1024 * 1024KB==1024 * 1024 * 1024Byte约等于10亿Byte左右,就算有 那么大的内存,那么成本也很高!!!
所以我们采用建一个大小为k的小堆,为什么是小堆呢,我们知道小堆是用来排升序的,当我们向后遍历数据和堆顶比较,如果比堆顶大就替换,然后在向下调整,这样就大大减小内存的使用!!
但是用人会问,哪里一开始那个数据是n个那不也很大吗??对于这个问题的解释就是数据不一定是来自内存,可能来自硬盘,数据库,网络上的,而上述两种方法都是得存在内存上的,或者我们使用归并排序,但是数据不在内存上,归并排序效率会降低!!
代码:
//向下调整
void ADjustDown(HPDataType* data, HPDataType father,int size)
{
//法一:迭代
//HPDataType child = father * 2 + 1;
// //if ((data[child] < data[child + 1])&&(child+1<size))//找到孩子较大的一个
//if ((data[child] > data[child + 1]) && (child + 1 < size))//小堆,找到孩子较小的一个
//{
// child++;
//}
//while (child<size)
//{
// if (data[father] < data[child])//大堆
// //if (data[father] > data[child])//小堆
//
// {
// Swap(&data[father], &data[child]);
// father = child;//孩子变父亲,向下迭代
// child = father * 2 + 1;
// }
// else
// {
// break;
// }
//}
//法二:递归
HPDataType child = father * 2 + 1;
if (child >= size)return;
else
{
//if ((data[child] < data[child + 1]) && (child + 1 < size))//大堆,找到孩子较大的一个
if ((data[child] > data[child + 1]) && (child + 1 < size))//小堆,找到孩子较小的一个
{
child++;
}
//if (data[father] < data[child])//大堆
if (data[father] > data[child])//小堆
{
Swap(&data[father], &data[child]);
}
ADjustDown(data,child,size);
}
}
void PrintTopK(int* a, int n, int k)
{
HPDataType* kMinHeap = (HPDataType*)malloc(sizeof(HPDataType) * k);
assert(kMinHeap);
for (int i = 0; i < k; i++)
{
kMinHeap[i] = a[i];
}
for (int i = (k-2)/2; i>=0; i--)
{
ADjustDown(kMinHeap, i,k );
}
for(int j=k;j<n;j++)
{
if (kMinHeap[0] < a[j])
{
kMinHeap[0] = a[j];
ADjustDown(kMinHeap, 0, k);
}
}
for (int i = 0; i < k; i++)
{
printf("%d ", kMinHeap[i]);
}
}
void TestTopk()
{
int n = 10000;
int* a = (int*)malloc(sizeof(int) * n);
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);
}