利用STL的最大堆获取TOPN

最近在看看算法，对一道曾经见过好几次的问题忽感兴趣。

就是如何从一个大集合中，选出其中的TOPN，举个例子： 从100 0000个int中，选出最大的100个。

其实，解决办法应该有很多，这里选择的是一种利用最大堆来解决这个问题的办法，这种办法效率还是比较高的。

基本原理就是：建立100个元素的最大堆，然后在堆中找出最小元素，如果此元素小于后面即将参与比较的元素，则删除最小元素，将新元素插入后，重新构建最大堆，以此类推，直至处理完100 0000个数字，堆中存在的元素，即为TOP100。

我在这里给出一个STL的实现：

 

#include <iostream> #include <vector> #include <iterator> #include <time.h> using namespace std; int main(int argc, char const* argv[]) { clock_t start , stop; start = clock(); int topN = 0; cin >> topN ; vector<int> intVec(topN); istream_iterator<int> inputStreamBegin( cin ); istream_iterator<int> inputStreamEnd; for( int i = 0 ; i < topN ; ++i ) { intVec[i] = *inputStreamBegin ++ ; } int inputNumber; make_heap( intVec.begin() , intVec.end() , greater<int>() ); while( inputStreamBegin != inputStreamEnd ) { inputNumber = *inputStreamBegin ++ ; if ( intVec.front() < inputNumber ) { pop_heap( intVec.begin() , intVec.end() , greater<int>() ); intVec.pop_back(); intVec.push_back( inputNumber ); push_heap( intVec.begin() , intVec.end() , greater<int>() ); } } sort_heap( intVec.begin() , intVec.end() , greater<int>() ); copy( intVec.begin() , intVec.end() , ostream_iterator<int>( cout , " " ) ); cout << endl; stop = clock(); cout << "Runtime: " << static_cast<double>( stop - start ) / CLOCKS_PER_SEC << endl; return 0; }

 

我们可以发现，在STL中，利用heap的相关算法，还是很容易实现我们的功能的，我们并不需要自己从头造轮子，STL的东西还是相当丰富的。

 

其后我还做了一个小测试：

首先，利用Python生成测试数据：

import random random.seed() fout = open( "inputSet.txt" , 'w' ) print >> fout , 100 for x in xrange( 10000000 ): print >> fout , random.randint( 0 , 10000000000000000L ) fout.close()

 

两端程序生成结果为HeapSort.exe和inputSet.txt

 

利用 HeapSort.exe < inputSet.txt命令测试一下结果：Runtime: 0.015

可以发现，效率还是很高的。

 

鉴于对比，我重新写了一个bubbleSort的代码：

#include <iostream> #include <iterator> #include <vector> #include <cstdlib> #include <ctime> using namespace std; template < typename _Iterator > void bubbleSort( _Iterator __first , _Iterator __last ) { typedef typename iterator_traits<_Iterator>::value_type _value_type; less< _value_type> __compare; if( distance( __first , __last ) <= 1 ) return; bool isExchange = false ; _Iterator __cur , __next ; do { isExchange = false; __cur = __next = __first; ++ __next; while( __next != __last ) { if( __compare( *__next , *__cur ) ) { swap( *__next , *__cur ); isExchange = true; } ++__cur; ++__next ; } --__last ; } while( isExchange ); }; int main(int argc, char const* argv[]) { srand( time(NULL) ); int totalCount = 1000000; vector<int> v; v.reserve( totalCount ); while( totalCount-- ) { v.push_back( rand() ); } bubbleSort( v.begin() , v.end() ); vector<int>::iterator first , last; first = last = v.begin() ; advance( last , 100 ); copy( first , last , ostream_iterator<int>( cout , " " ) ); cout << endl << endl; return 0; }

测试结果是：暂时没有结果。

在有限的时间内（<=10秒），我没有看到结果的输出，可以看到差距是非常大的（而且，这里还省去了IO的输入）