编程珠玑学习笔记1_手中有一百万张大学生资料，需要将他们按照年纪排序怎么做-CSDN博客

编程珠玑学习笔记1

最近经历了腾讯和百度的实习生招聘，腾讯的十分顺利，拿到实习生offer，可能运气成分多一点，问我的问题我都有所了解。百度虽然是霸笔的，但是还是的到了面试的机会，但是很不幸，百度二面的时候问了我一道概率题和一道智力题，感觉无从下手，答的很不好，应该是看你这个人的数学修养和思维活跃的程度。

总之，感觉面试还是十分注重基础知识的。我记得以前twitter上的徐宥说过准备算法类面试的时候，必看的几本书包括算法导论，编程珠玑和 TAOCP。算法导论我是没有全部看完的，虽然那本书看的不少，但是许多课后题没有去深入的思考，话说百度一面的时候就是算法导论上的一道原题。TAOCP太过大部头了，虽然我每次从去图书馆看到有这本就拿回来，但是基本没有看过，印象只停留在Kunth给了一个阅读本书的流程图，以及为了写着本巨著Kunth自己发明了一门语言。所以我准备从最薄的这本编程珠玑看起。

可以说这本书取的名字真的是很赞，作者Jon Bentley都是从一些小问题出发，然后讲述的十分透彻，不愧是大师级的人物。顺便提一下，Jon Bentley是James Gosling和Charles Leiserson的老师，前者是Java的设计者，后者就是算法导论别名CLRS中的L。

第一章主要阐述了一个位图(bitmap)算法，可以说算法中用到位操作的很多，因为速度快，空间小，比如哈有bitmask dp。文中的问题可以抽象为对[1:10000000]区间内的随机排列进行排序，而且内存限制在1m左右。外部排序可能是第一个闪近脑子里的答案。作者在文中的解法就是利用bitmap算法，每一个bit代表一个数字，用10000000个比特位就可以将所有的数字表示出来。然后遍历，设置1为存在，0为不存在，然后顺序输出即可。和这个题类似的有一个，而且是更加贴近现实的：

“你手中有一百万张纸，每张纸上是一个大学生的资料，你需要将他们按照年纪排序，你怎么做？谁更聪明，一个计算机科学博士还是你的母亲？在 Google 从事多年面试工作的 Paul Tyma 将这个问题交给他的母亲解答。从未学过计算机科学的 Tyma 夫人做的比受过高等教育的人还要出色。许多应试者会建议快速排序算法，而 Tyma 夫人的答案比他们的方法要快上 20 倍。有时候创造力只是常识。

答案：将纸堆上的第一张拿下来，看看年龄，如果他是 21 岁，就放到 21 岁的纸堆里，如果下一个是 19 岁，就放到 19 岁的纸堆里。如此这般，任何记录你只需要看一次，当你完成后，将不同年龄的纸堆顺序排列即可。”

不过这类问题的特殊性就是数据范围比较集中，比如1到10000000，年龄一般都在1-200之间，后一个题带有明显的计数排序和hash的影子。

习题部分非常的推荐，我是这样做的，首先写出自己的想法，然后再和答案进行对比。

下面是我认为比较好的题目：

4.如何生成位于0到n-1之间的k个不同的随机顺序的随机整数？

我的答案：找一个gcd(n,m)==1的数m，设一个起点x，那么x=(x+m)%n可以将所有的小于n的数遍历，为了产生视觉更加随机的感觉，可以把方程写为x=(x+m*p)%n，p这里是个素数。利用这个公式可以产生等概率而且不重复的k个随机值。

书上答案：

for i = [0, n)
    x[i] = i
for i = [0,n)
    swap(i, randint(i, n-1))
    print x[i]

5.文中10000000个数字利用bitmap进行排序大约需要1.25m的内存，假设限定内存为1m，问题该怎么解决？

我的答案：这个文中已经写过，进行2次遍历，第一次只处理0-4999999，第二次处理5000000-9999999.

书上的答案类似。

6.如果每个数字最多可能出现10次，如何建议？

10次的话可以用4个比特来代表一个书出现的次数，不过这样大约需要5m的内存，如果限定1m的话，可以进行5次遍历即可解决。

书上答案类似。

8.现在7位号码前面的区号不只是800了，还有其他诸如877和888等，如何在1m的空间内进行排序？

我给的答案有明显的时空转换的概念，现在一共10位数字，我取前k个作为排序的前缀，先对所以数字的前k位进行统计，只统计有或者无，这样消耗了10^k bits，遍历这10^k个比特位，同时遍历所有数字，取和当前的前缀相同的数字，对这些数字进行bitmap，总的空间复杂度为O(10^k+10^(10-k))，时间复杂度为O(10^k*10^10),对于k>5的情况不做考虑，因为得不偿失，在k取1到5时，空间是递减的，时间则是递增的。

书上只提示了用关键字索引。

9.设计一种第一次访问数据才初始化的方法。

我的答案是利用比特位进行标记访问过没，这样只需要初始化这些比特位。

我想我对这个题的理解有些偏差，原书貌似是数据量很大，但是访问量很小，请设计一种方法在第一次访问的时候初始化。所以书中设计了一种from，to数组索引的方法。我们只需要初始化访问的数据个数，这个数比较小。

10.数据库利用电话号码作为key，如何组织数据库进行高效的插入和检索？

这个我没有想到很好的方法，感觉利用数据库进行插入和删除应该很高效了把。如果不用数据库的话可以利用书中的bitmap的原理建立一个hash_map，这样就可以常量时间访问。

书中给出了一个甚至完全不需要计算机的方法：将100个箱子编号为0到99，将电话号码的后两位做索引值，并将其订单放入对应编号的箱子中，典型的hash，作者的话是“用顺序搜索来解决冲突的开放散列”。

11.40公里的两个地方要交换图纸，快递费用很高，请你设计一种方法解决。

我的答案是通过网络传输。

书上答案是用信鸽，可能当时的互联网还没有普及到现在的程度。

12.太空中能书写的钢笔研发的故事，在三傻大闹宝莱坞上也提到了，用铅笔。