编程珠玑第2章 习题解答

A、给定一个最多包含40亿个随机排列的32为整数的顺序文件，找出一个不存在文件中的32位整数（在文件中至少缺失一个这样的数——为什么？）。在具有足够内存的情况下，如何解决该问题？如何有几个外部的“临时”文件可用，但是仅有几百字节的内存，又该如何解决问题？

1.在文件中至少缺失一个这样的数？为什么呢？这是因为32为表示能表示N=232-1个数，(42 9496 7296)这个数>4*10的九次方=40亿大的数，因此肯定在文件中缺失一个这样的数。

2.在具有足够内存的情况下如何解决这个问题？根据前一篇介绍的位向量表示法，可以判断该数是否存在。不过要一次性将所有数都映射到内存中，大约所需要40 0000 0000/8Byte=500MB的内存。

3.‍‍0-1二分查找：探测每个整数的每个bit是0还是1，读取n=40亿个整数，第1个bit为0或为1的放到不同的文件中（每个至多为n/2亿），少于N/2个数的那组 必定缺少某个数,接着探测第2个bit是0还是1，输入至多n/2亿，输出至多n/4亿，少于N/4个数的那组 必定缺少某个数，以此类推,总的运行时间和n成正比。通过对某组排序扫描可以得到缺失的数，这样运行时间变为o(nlogn)。

Q2:给定一个包含4300000000个32位整数的顺序文件，请问如何找到一个至少出现两次的整数？

解答：二分查找。由于4.3G>32位的整数空间，根据鸽笼原理，肯定会有重复的整数。搜索范围从所有的32位正整数开始（全部当成unsigned int，简化问题），即[0, 2^32)，中间值即为2^31。然后遍历文件，如果小于2^31的整数个数大于N/2=2^31，则调整搜索范围为[0, 2^31]，反之亦然；然后再对整个文件再遍历一遍，直到得到最后的结果。这样一共会有logn次的搜索，每次过n个整数（每次都是完全遍历），总体的复杂度为o(nlogn)。

例子：数组[4,2,5,1,3,6,3,7,0,7]，假定从3位的整数空间内搜索。第一次的范围为[0,8)，遍历过后发现[0,4)范围内的整数个数为5，于是调整为搜索[0,4)范围内的整数。第二次发现[2, 4)范围内的证书为3，大于2，于是调整为[2, 4)。再经过第三次的遍历，找出3为重复出现的整数。

改进：上面的办法有很多的冗余。于是提出了一个办法：建立一个新的文件（是顺序文件就可以）。在一次遍历过后，确定搜索的范围后，把原有文件里这个范围内的整数写到新的文件里去，下次搜索就只要搜索这个新文件了。这样可以得到近似线性的复杂度（但是常数项应该很大）。

B.将一个n元一维向量X向左旋转i=rotdist个位置。例如，当n=8且i=3时，向量abcdefgh旋转为defghabc。简单的代码使用一个n元的中间向量在n步内完成该工作。你能否仅适用数十位额外字节的存储空间，在正比于n的时间内完成向量的旋转？

方法一：额外的空间，将X中的前i个元素复制到一个临时数组中，接着将余下n-i个元素左移i个位置，然后再将前i个元素从临时数组中复制回X中后面的位置，缺点：i个额外的空间。

方法二：定义一个将X中元素左移一位的函数，然后调用该函数i次，缺点：太费时间

方法三：杂技法。该方法很巧妙，但不太容易理解，不知道算法的作者是怎么想出来的。
方法四：分块求逆。这个算法很好用，通过分别求逆后再求逆来得到最终的结果。
比如要将n元向量旋转i位，过程为：
reverse（0，i-1）
reverse（i，n-1）
reverse（0，n-1）
我的思路：可以用空间换时间的思想来解决。比如要旋转的n元向量为abcdefgh，要将它旋转3位：defghabc我们可以开辟一块新空间来再存储一份n元向量，将它们拼接，为abcdefghabcdefgh，则所要求的旋转结果为这个字符串的子串，取s[3:len(n)+3]即为所求。

方法五：Gries的迭代解决方法，块交换：假设a比b短，将b分为b1和br（和a一样长） 两部分，a和br交换，即ab1br交换为brb1a，递归交换brb1.不过这个每个元素不能一步到位。不如方法四高效。

C.给定一本英语单词词典，请找出所有的变位词集。例如，因为“pots”，“stop”，“tops”相互之间都是由另一个词的各个字母改变序列而构成的，因此这些词相互之间就是变位词。

错误1：考虑如何求解某个单词的各个字母的所有置换，n！个可能。

错误2：比较所有的单词对

正确方法：给每个单词签名，同一变位词就具有相同的签名，然后将相同签名的单词归拢在一起。考虑两个子问题：签名（签名按字母顺序排序单词中的字母）+收集相同签名的词（按签名排序）。

解决思路就是对每一个单词进行标记，使得互为变位词的单词有相同的标记，而不是变位词的单词有不同的标记。

这里列出几种可用的标记方法：
（1）对每个单词进行字典序排序，则互为变位词的单词有着相同的排序（若单词量大，对每个单词排序比较耗时）
（2）将26个英文字母分别对应一个素数，则一个单词的标记为组成它的每个字母的素数乘积。这样保证了变位词的标记时一样的，而非变位词有不同      的标记。但当一个单词长度比较长时，计算一个乘积结果，数据量也比较大。
（3）统计一个单词中各字母出现的次数，并以此作为标记索引。如mississippi对应i4m1p2s4，可以将1省略，为i4mp2s4.

第二章的思考题总结：

1. 考虑查找给定输入单词的所有变位词的问题。仅给定单词和字典的情况下，如何解决问题？如果有一些时间和空间可以在响应任何查询之前预先处理字典，又会怎样？

答：没有时间进行预处理，则直接按该单词的标识值去查字典，标识相同的单词输出。

如有时间和空间进行预处理，可以先对整个字典进行标识计算，将计算值作为索引hash到不同的数组中，并将标识相同的单词（变位词）链在同一个链表中。查找时按给定的单词去查索引表（第一个节点即为链表表头节点），然后一次取出变位词输出。

第二题在上面已经解答。

7.将4000*4000的矩阵转置。

书中给出的解决方案是对每个元素插入行号，列号，根据转置矩阵的特点，对原来的矩阵先按列排序，再按行排序，得到结果矩阵。

8.给定一个n元实数集合，一个实数t和一个整数k，如何快速确定是否存在一个k元子集，其元素之和不超过t？

第一感觉想到的是排序，然后看前k个数的和是否不超过t，不超过的话肯定存在。更优的方法用O(N)的选择算法求出第k大的数，然后把数组扫描一遍，求出小于第k大数的数的和sum，加上第k大。这样看似没有什么错误，但是仔细想想，如果第k-1大，第k大，第k+1大的数一样，肿么办？。。。。。。。。 easy~扫描的时候顺便统计小于第k大数的数的个数a，和第k大的数的个数b，嗯，然后如果a<k-1,就从b中取出m个，直到a+m == k-1。