位图排序——《编程珠玑》笔记

    感叹《编程珠玑》这本书字字珠玑，非常强大，看了有一段时间了，所以也行整理一下看的过程中的收获和问题。 

    在开篇第一章中，坐着就提出了应用非常广泛、非常强大，适合于海量互异数据排序的算法——位图排序。

    问题定义：

对之多只包含n（10^7）个正整数的文件排序，每一个数大小都小于n，不允许有重复的数出现，任何一个数都至多出现一次。

    限制：可用的内存空间是有限的（1M），磁盘空间充足；运行时间最多不超过几分钟，理想是10秒左右。

    作者介绍算法设计之前，提出了三种排序方法，大体思路如下：

• 归并排序Merge Sort：读取输入文件一次，借助在多个辅助工作文件完成排序（多次读写），结果一次写入到输出文件。
• 多遍排序multipass sort：多次读写输入文件，不适用中间文件，输出结果一次写入到文件。
• 理想排序wonder sort：结合前两种方法的有点，只读取一次输入文件，不使用中间文件。

位图排序

位图排序简单但应用广泛，非常强大。说明位图排序，这里举一个简单的例子。

假设有一串小于20的数字序列，其中任何两个数字都不相等，比如 {1.2.3.5.8.13}，那么用位图如何表示这一串数字序列呢。

假定使用最简单的1位位图来表示，将这些位组织成数组，任何一个元素只能取值1或0，分别表示下标对应的数出现和不出现。定义 a[20]表示上面的数字序列，a[x]=1说明数字x存在于序列中，a[x]=0则表示x不在序列中。所以，对于 {1.2.3.5.8.13}用位图来表示，我们就可以得到位图数组：0 1 1 1 0 1 0 0 1 0 0 0 0 1 0 0 0 0 0 0。

因此，使用位图对具有至多N个并且每个数大小都小于N的互异集合进行排序，遍历集合，将位图中该数字下标对应的元素置1。

伪代码

书中给出了位图算法的伪代码：

/* phase 1:initialize set to empty */
// n is the number of bits in the vector
	for i=[0,n)
		bit[i]=0
/* phase 2:insert present element into the st */
	for each i in the input file
		bit[i]=1
/* phase 3:write sorted output */
	for i=[0,n)
		if bit[i]==1
			write i on the output file

C语言实现

从网上参考了一个C语言实现代码，分享一下。实现的非常巧妙，利用了C语言对bit的处理，假设有10,000,000个数据，则需要内存空间为：10000000/(8*1024)=1.25M.

/*use bitmap to sort the numbers. */
#include <stdio.h>

#define BITWORDSIZE 32
#define SHIFT 5
#define	MASK 0x1F
#define N 80

int a[N/BITWORDSIZE + 1];

//set the bit in a[i] for i
void set(i)
{
	a[i >> SHIFT] |= (1 << (i & MASK));
}

void clear(i)
{
	a[i >> SHIFT] &= ~(1 << (i & MASK));
}

int test(i)
{
	return a[i >> SHIFT] & (1 << (i & MASK));
}

int main(int argc, char **argv)
{
	int i;
	for(i=0;i<N;i++)
	{
		clear(i);
	}
	
	FILE *fd;
	fd=fopen("./data.in","r");	

	while(fscanf(fd,"%d",&i) != EOF)
	{
		set(i);
	}

	for(i=0;i<N;i++)
	{
		if(test(i))
		{
			printf("%d\n",i);
		}
	}	
	
	return 0;
}

参考：【http://www.cnblogs.com/Flouse/archive/2007/12/12/bitSort.html】