第二题(共四题 100 分):重叠区间大小( 20 分)
题目描述:请编写程序,找出下面 “ 输入数据及格式 ” 中所描述的输入数据文件中最大重叠区间的大小。
对一个正整数 n ,如果 n 在数据文件中某行的两个正整数(假设为 A 和 B )之间,即 A<=n<=B 或 A>=n>=B ,则 n 属于该行;如果 n 同时属于行 i 和 j ,则 i 和 j 有重叠区间;重叠区间的大小是同时属于行 i 和 j 的整数个数。
例如,行( 10 20 )和( 12 25 )的重叠区间为 [12 20] ,其大小为 9 ;行( 20 10 )和( 12 18 )的重叠区间为 [12 18] ,其大小为7;行 (20 10) 和( 20 30 )的重叠区间大小为 1 。
输入数据:程序读入已被命名为 input.txt 的输入数据文本文件,该文件的行数在 1 到 1,000,000 之间,每行有用一个空格分隔的 2 个正整数,这 2 个正整数的大小次序随机,每个数都在 1 和 2^32-1 之间。(为便于调试,您可下载测试 input.txt 文件,实际运行时我们会使用不同内容的输入文件。)
输出数据:在标准输出上打印出输入数据文件中最大重叠区间的大小,如果所有行都没有重叠区间,则输出 0 。
评分标准:程序输出结果必须正确,内存使用必须不超过 256MB ,程序的执行时间越快越好。
普通解法:读入数据时,(A,B),比较一下,使得A<B,然后双重for循环,确定两两之间的重叠区间,从而求得最大的重叠区间。时间复杂度O(n^2)
代码如下:
对于100000量的数据的消耗时间为Time:79344(CPU:Intel Core 2,2.83GHZ,4核)。
排序解法: 读入数据时,(A,B),比较一下,使得A<B,然后对A进行排序,那么对于任意一个区域只要比较area[i].y > area[j].x的两两区间的长度,而且代码中有两个剪枝,尤其是第一个剪枝非常重要,对于速度有质的飞跃。
剪枝1:我们上一次考虑的lasty,对于区间(A,B),如果B<lasty,表明这个区间被上一个区间给覆盖过了, 那么不用考虑这个区间。如(1, 20), (2, 4), (3, 30)。那么不用考虑区间(2,4)。因为区间(2,4)被(1,20)给覆盖了。所以对于(2,4)的最大重叠区间就是本身。
剪枝2:对于任意一个区间的(A,B),A<=B.的最大重叠区间为B-A+1。所以如果result > B-A,那么就可以不考虑这个区间了。
这个算法的主要时间用于排序,快排的时间复杂度为O(nlogn)。重叠区间计算的时间为O(kn)。有了两个剪枝以后,k几乎可以忽略不计。
代码如下:
对于100000数据量的时间为859(主要用于读取数据和快排,时间耗时859).对于1000000数据量的时间为:8843,快排时间为8781。
Hash解法:将1000000数据量的数据进行HASH映射,划分为100等分的数据(简单点理解,将0~2^32的数据进行100等分,然后将区间(A,B)按照A的位置映射到各个等分空间),如果HASH映射的好的话,那么每个数据量在10000左右,对小数据量的数据进行重叠区间的计算。需要注意的是,
一个区间(A,B)可能跨越多个区间,比如对于区间(1,9),等分空间是(1,5),(6,10),(11,15)情况,那么(1,9)在HASH空间(1,5)内所有数据量的比较为(1,9)和空间内所有数据量的比较。对于(1,9)和在HASH空间(6,10)所有数据量的比较,可以变化为(6,9)和空间内所有数据量的比较。
由于每个空间的数据量为原来的1/100,那么排序的复杂度o((n/100)log(n/100))*100= o(nlog(n/100)),所以理论上数据量越大,速度会越明显。代码如下:
运行结果却没有那么明显,100000数据量的运行时间为:859,HASH映射和读取数据耗时797。对于1000000数据量的时间为:8593,HASH映射和读数据耗时为7937。只比快排快了100多毫秒,让我很难接受。可能有两方面的原因,第一HASH映射没有均匀映射,也就是没有均匀的100等分,其次,数据量还不够大。我觉得数据量如果继续增大的话,应该还会变得更快。
另外附上这道题目数据的生成文件。修改里面的number参数可以生成任意量的数据量。第一行为数据量,接下来N行代表区间。
代码如下: