编程之美--寻找最大的K个数
2011-09-02 15:20
246 查看
方法一: 使用partition函数,将数组分为两组。partition函数是快速排序中用来把数组分成两部分的函数。
(1)分为两个组,sa和sb。
(2)若sa组的个数大于K,则继续在sa分组中找取最大的K个数字 。
(3)若sa组中的数字小于K ,其个数为T,则继续在sb中找取 K-T个数字 。
具体代码实现:
方法二 :
此种方法为常用方法,建立一个大小为K的堆。每次遍历数组时,需要判断是否需要加入堆中。
堆中存储着的是最大的k个数字,但是若是需要插入堆中,则需要对堆进行调整时间为o(log k)。
全部的时间复杂度为o(n * log k)。
这种方法当数据量比较大的时候,比较方便。因为对所有的数据只会遍历一次,第一种方法则会多次遍历
数组。 如果所查找的k的数量比较大。可以考虑先求出k` ,然后再求出看k`+1 到 2 * k`之间的数字,然后
一次求取。
方法三:
利用二分的方法求取TOP k问题。
首先查找 max 和 min,然后计算出 mid = (max + min) / 2
该算法的实质是寻找最大的K个数中最小的一个。
代码如下:
方法4:
如果N个数都是正数,取值范围不太大,可以考虑用空间换时间。申请一个包括N中最大值的MAXN大小的数组count[MAXN],count[i]表示整数i在所有整数中的个数。这样只要扫描一遍数组,就可以得到低K大的元素。
扩展:
1.如果需要找出N个数中最大的K个不同的浮点数呢?比如,含有10个浮点数的数组(1.5,1.5,2.5,3.5,3.5,5,0,- 1.5,3.5)中最大的3个不同的浮点数是(5,3.5,2.5)。
个人觉得除了最后一种方法不行,其他的都可以。因为最后一种需要是正数。
2. 如果是找第k到第m(0<k<=m<=n)大的数呢?
个人觉得可以用小根堆来先求出m个最大的,然后从中输出k到m个。
3. 在搜索引擎中,网络上的每个网页都有“权威性”权重,如page rank。如果我们需要寻找权重最大的K个网页,而网页的权重会不断地更新,那么算法要如何变动以达到快速更新(incremental update)并及时返回权重最大的K个网页?
提示:堆排序?当每一个网页权重更新的时候,更新堆。还有更好的方法吗?
网上答案:可以采用小顶堆来实现,使用映射二分堆,可以使更新的操作达到O(logn)。
4. 在实际应用中,还有一个“精确度”的问题。我们可能并不需要返回严格意义上的最大的K个元素,在边界位置允许出现一些误差。当用户输入一个query的时候,对于每一个文档d来说,它跟这个query之间都有一个相关性衡量权重f (query, d)。搜索引擎需要返回给用户的就是相关性权重最大的K个网页。如果每页10个网页,用户不会关心第1000页开外搜索结果的“精确度”,稍有误差是可以接受的。比如我们可以返回相关性第10 001大的网页,而不是第9999大的。在这种情况下,算法该如何改进才能更快更有效率呢?网页的数目可能大到一台机器无法容纳得下,这时怎么办呢?
提示:归并排序?如果每台机器都返回最相关的K个文档,那么所有机器上最相关K个文档的并集肯定包含全集中最相关的K个文档。由于边界情况并不需要非常精确,如果每台机器返回最好的K’个文档,那么K’应该如何取值,以达到我们返回最相关的90%*K个文档是完全精确的,或者最终返回的最相关的K个文档精确度超过90%(最相关的K个文档中90%以上在全集中相关性的确排在前K),或者最终返回的最相关的K个文档最差的相关性排序没有超出110%*K。
网上答案:答:正如提示中所说,可以让每台机器返回最相关的K'个文档,然后利用归并排序的思想,得到所有文档中最相关的K个。
最好的情况是这K个文档在所有机器中平均分布,这时每台机器只要K' = K / n
(n为所有机器总数);最坏情况,所有最相关的K个文档只出现在其中的某一台机器上,这时K'需近似等于K了。我觉得比较好的做法可以在每台机器上维护一个堆,然后对堆顶元素实行归并排序。
5. 如第4点所说,对于每个文档d,相对于不同的关键字q1, q2, …, qm,分别有相关性权重f(d, q1),f(d, q2), …, f(d, qm)。如果用户输入关键字qi之后,我们已经获得了最相关的K个文档,而已知关键字qj跟关键字qi相似,文档跟这两个关键字的权重大小比较靠近,那么关键字qi的最相关的K个文档,对寻找qj最相关的K个文档有没有帮助呢?
解答:肯定是有帮助的。 qi最相关的K个文档可能就是qj的最相关的K个文档,可以先假设这K个就是,然后根据问题四的解法获得K',分别和这K个比较,可以用堆进行比较,从而获得qj最相关的K个文档。由于最开始的K个文档极有可能是最终的K个文档,所以K'和K比较的次数可能并不多。
参考: http://www.cppblog.com/jake1036/archive/2011/07/07/150393.aspx
(1)分为两个组,sa和sb。
(2)若sa组的个数大于K,则继续在sa分组中找取最大的K个数字 。
(3)若sa组中的数字小于K ,其个数为T,则继续在sb中找取 K-T个数字 。
具体代码实现:
#include <iostream> using namespace std ; const int N = 8 ; const int K = 4 ; int partition(int a[] ,int low , int high) { int i = low - 1 ; int j = low; while(j < high) { if(a[j] >= a[high]) { swap( a[i+1] , a[j]) ; i++ ; } j++ ; } //最后处理a[high] swap(a[i+1] , a[high]) ; return i + 1; } int findk(int a[] , int low , int high , int k) { if(low < high) { int q = partition(a , low , high) ; int len = q - low + 1 ; //表示第几个位置 if(len == k) return q ; //返回第k个位置 else if(len < k) return findk(a , q + 1 , high , k - len) ; else return findk(a , low , q - 1, k ) ; } } int main() { int a = {5 ,2 ,66 ,23, 11 ,1 ,4 ,55} ; findk(a , 0 , N - 1 , K) ; for(int i = 0 ; i < K ; i++) cout<<a[i]<<endl ; system("pause") ; return 0 ; }
方法二 :
此种方法为常用方法,建立一个大小为K的堆。每次遍历数组时,需要判断是否需要加入堆中。
堆中存储着的是最大的k个数字,但是若是需要插入堆中,则需要对堆进行调整时间为o(log k)。
全部的时间复杂度为o(n * log k)。
这种方法当数据量比较大的时候,比较方便。因为对所有的数据只会遍历一次,第一种方法则会多次遍历
数组。 如果所查找的k的数量比较大。可以考虑先求出k` ,然后再求出看k`+1 到 2 * k`之间的数字,然后
一次求取。
方法三:
利用二分的方法求取TOP k问题。
首先查找 max 和 min,然后计算出 mid = (max + min) / 2
该算法的实质是寻找最大的K个数中最小的一个。
代码如下:
#include <iostream> using namespace std ; const int N = 8 ; const int K = 4 ; /* 利用二分的方法求取TOP k问题。 首先查找 max 和 min,然后计算出 mid = (max + min) / 2 该算法的实质是寻找最大的K个数中最小的一个。 */ int find(int * a , int x) //查询出大于或者等于x的元素个数 { int sum = 0 ; for(int i = 0 ; i < N ; i++ ) { if(a[i] >= x) sum++ ; } return sum ; } int getK(int * a , int max , int min) //最终max min之间只会存在一个或者多个相同的数字 { while(max - min > 1) //max - min的值应该保证比两个最小的元素之差要小 { int mid = (max + min) / 2 ; int num = find(a , mid) ; //返回比mid大的数字个数 if(num >= K) //最大的k个数目都要比min值大 min = mid ; else max = mid ; } cout<<"end"<<endl; return min ; } int main() { int a = {54, 2 ,5 ,11 ,554 ,65 ,33 ,2} ; int x = getK(a , 554 , 2) ; cout<<x<<endl ; getchar() ; return 0 ; }
方法4:
如果N个数都是正数,取值范围不太大,可以考虑用空间换时间。申请一个包括N中最大值的MAXN大小的数组count[MAXN],count[i]表示整数i在所有整数中的个数。这样只要扫描一遍数组,就可以得到低K大的元素。
for(sumCount = 0, v = MAXN -1; v >=0; v--) { cumCount += count[v]; if(sumCount >= k) break; } return v;
扩展:
1.如果需要找出N个数中最大的K个不同的浮点数呢?比如,含有10个浮点数的数组(1.5,1.5,2.5,3.5,3.5,5,0,- 1.5,3.5)中最大的3个不同的浮点数是(5,3.5,2.5)。
个人觉得除了最后一种方法不行,其他的都可以。因为最后一种需要是正数。
2. 如果是找第k到第m(0<k<=m<=n)大的数呢?
个人觉得可以用小根堆来先求出m个最大的,然后从中输出k到m个。
3. 在搜索引擎中,网络上的每个网页都有“权威性”权重,如page rank。如果我们需要寻找权重最大的K个网页,而网页的权重会不断地更新,那么算法要如何变动以达到快速更新(incremental update)并及时返回权重最大的K个网页?
提示:堆排序?当每一个网页权重更新的时候,更新堆。还有更好的方法吗?
网上答案:可以采用小顶堆来实现,使用映射二分堆,可以使更新的操作达到O(logn)。
4. 在实际应用中,还有一个“精确度”的问题。我们可能并不需要返回严格意义上的最大的K个元素,在边界位置允许出现一些误差。当用户输入一个query的时候,对于每一个文档d来说,它跟这个query之间都有一个相关性衡量权重f (query, d)。搜索引擎需要返回给用户的就是相关性权重最大的K个网页。如果每页10个网页,用户不会关心第1000页开外搜索结果的“精确度”,稍有误差是可以接受的。比如我们可以返回相关性第10 001大的网页,而不是第9999大的。在这种情况下,算法该如何改进才能更快更有效率呢?网页的数目可能大到一台机器无法容纳得下,这时怎么办呢?
提示:归并排序?如果每台机器都返回最相关的K个文档,那么所有机器上最相关K个文档的并集肯定包含全集中最相关的K个文档。由于边界情况并不需要非常精确,如果每台机器返回最好的K’个文档,那么K’应该如何取值,以达到我们返回最相关的90%*K个文档是完全精确的,或者最终返回的最相关的K个文档精确度超过90%(最相关的K个文档中90%以上在全集中相关性的确排在前K),或者最终返回的最相关的K个文档最差的相关性排序没有超出110%*K。
网上答案:答:正如提示中所说,可以让每台机器返回最相关的K'个文档,然后利用归并排序的思想,得到所有文档中最相关的K个。
最好的情况是这K个文档在所有机器中平均分布,这时每台机器只要K' = K / n
(n为所有机器总数);最坏情况,所有最相关的K个文档只出现在其中的某一台机器上,这时K'需近似等于K了。我觉得比较好的做法可以在每台机器上维护一个堆,然后对堆顶元素实行归并排序。
5. 如第4点所说,对于每个文档d,相对于不同的关键字q1, q2, …, qm,分别有相关性权重f(d, q1),f(d, q2), …, f(d, qm)。如果用户输入关键字qi之后,我们已经获得了最相关的K个文档,而已知关键字qj跟关键字qi相似,文档跟这两个关键字的权重大小比较靠近,那么关键字qi的最相关的K个文档,对寻找qj最相关的K个文档有没有帮助呢?
解答:肯定是有帮助的。 qi最相关的K个文档可能就是qj的最相关的K个文档,可以先假设这K个就是,然后根据问题四的解法获得K',分别和这K个比较,可以用堆进行比较,从而获得qj最相关的K个文档。由于最开始的K个文档极有可能是最终的K个文档,所以K'和K比较的次数可能并不多。
参考: http://www.cppblog.com/jake1036/archive/2011/07/07/150393.aspx
相关文章推荐
- hihocoder offer收割编程练习赛12 D 寻找最大值
- 编程之美 2.5 寻找最大的K个数
- 编程之美-2.5寻找最大的K个数
- 编程之美 2.5 寻找最大的K个数
- 【编程之美】寻找最大的K个数
- 编程之美 - 寻找数组中的最大值和最小值
- 【编程习题★★★☆☆】寻找数组中元素间最大差值
- [编程之美] 2.5 寻找最大的K个数
- 庞果英雄会---寻找直方图中面积最大的矩形---编程挑战
- 编程之美-寻找数组中的最大值和最小值方法整理
- 编程之美--寻找最大的K个数
- 【编程之美】读书笔记:寻找数组中的最大值和最小值
- 【编程之美】读书笔记:寻找最大的K个数
- [编程之美] PSet2.10 寻找数组中的最大值和最小值
- 编程之美 寻找数组中的最大值和最小值
- 编程之美----寻找数组中的最大值和最小值
- 【编程之美】读书笔记:寻找最大的K个数
- 编程之美 set 5 寻找数组中最大值和最小值
- 读书笔记之编程之美 – 2.5 寻找最大的K个数
- 编程之美--寻找最大的K个数