雁過無痕

《編程之美》讀書筆記07： 2.5 尋找最大的K個(gè)數(shù)

問題：

從n個(gè)數(shù)中找出最大的k個(gè)數(shù)。

兩種思路：

1 保存目前找到的最大k個(gè)數(shù)，每訪問一個(gè)數(shù)，就與這k個(gè)數(shù)中的最小值比較，決定是否更新這k個(gè)數(shù)。儲(chǔ)存k個(gè)數(shù)的數(shù)據(jù)結(jié)構(gòu)可采用：敗者樹、二叉查找樹、最小堆。

C++ STL提供了multiset和priority_queue容器，另外還提供了make_heap，push_heap，pop_heap方便手動(dòng)構(gòu)建堆結(jié)構(gòu)。（測(cè)試發(fā)現(xiàn)，手工建堆的效率最高，當(dāng)n和k增大到一定值時(shí)，采用紅黑樹的multiset的效率極差。手動(dòng)建堆的效率相比priority_queue有略微提高。）

2 修改排序方法，去除不必要的過程。

選擇排序： 只要選k次。

冒泡排序： 只要冒泡k次即可。

堆排序：   構(gòu)建好最大堆后，取 k次最大值

快速排序： 分區(qū)時(shí)，根據(jù)數(shù)P將數(shù)組分為兩部分，設(shè)大于P的數(shù)個(gè)數(shù)為a，小于P的數(shù)的個(gè)數(shù)為b。如果，a>=k，則從這a個(gè)數(shù)取最大的k個(gè)數(shù)，若a<k，則從b個(gè)數(shù)取最大的k-a-1個(gè)。

歸并排序： 當(dāng)待合并的兩個(gè)數(shù)組，兩數(shù)組長(zhǎng)度和大等于k時(shí)，合并時(shí)只取前k個(gè)。或者：以(k+1)/2個(gè)數(shù)為一組，將數(shù)組分成幾個(gè)組，對(duì)每組進(jìn)行排序（可以采用任何一種高效的排序方法）后，兩兩合并時(shí)只取前k個(gè)。

計(jì)數(shù)排序： 如果都是整數(shù)，先掃描一遍找出最大值max，最小值min，再掃一遍，將每個(gè)值減去min，對(duì)這個(gè)值計(jì)數(shù)，最后從max-min開始統(tǒng)計(jì)，找出最大的k個(gè)數(shù)。另外，也可采用桶排序。

桶排序：   可以不對(duì)桶內(nèi)的數(shù)據(jù)進(jìn)行排序。

基數(shù)排序： 可以采用最高關(guān)鍵字比較方法，并免去相關(guān)的排序。

STL中的nth_element就是基于對(duì)intorsort的修改（introtsort是對(duì)快速排序的改進(jìn)，當(dāng)遞歸深度達(dá)到一定值時(shí)，可切換到堆排序），而partial_sort和partial_sort_copy是基于堆排序的修改，因而在k很小時(shí)，其效率可能會(huì)高于nth_element。遺憾的是：STL沒有提供完全基于堆排序的nth_element。

從下面的測(cè)試結(jié)果，可以看出：在M不是很大，M/N很小時(shí)，partial_sort和partial_sort_copy盡管多了“對(duì)堆結(jié)構(gòu)進(jìn)行排序”這個(gè)不必要的操作，其效率仍然高于nth_element，但相差不多。而在其它情況下nth_element的效率則比其它的幾種方法要高很多。

如果源數(shù)據(jù)都是整數(shù)，多數(shù)情況下（即使允許修改源數(shù)據(jù)），桶排序方法（結(jié)合計(jì)數(shù)方法）的效率比nth_element高。桶排序只需256K的內(nèi)存，效率很高。在M和N至少有一個(gè)大于當(dāng)前內(nèi)存大小的情況下，桶排序是最佳選擇，其性能遠(yuǎn)高于其它方法。

如果源數(shù)據(jù)是浮點(diǎn)數(shù)，根據(jù)浮點(diǎn)數(shù)在內(nèi)存中的表示，可以對(duì)桶排序方法進(jìn)行適當(dāng)修改，使之對(duì)浮點(diǎn)數(shù)也適用。

測(cè)試程序相關(guān)說明：

① 測(cè)試程序要求不得改變?cè)磾?shù)據(jù)，某些方法要多一個(gè)復(fù)制源數(shù)據(jù)操作，可以從partial_sort_copy和partial_sort效率的差異，看出這個(gè)復(fù)制操作的影響。

② 桶排序方法對(duì)應(yīng)nth_count；

③ 對(duì)堆結(jié)構(gòu)的調(diào)整，采用三種途徑（分別對(duì)應(yīng)三個(gè)程序）：利用push_heap和pop_heap、只用pop_heap、手寫代碼調(diào)整。（

④ multiset和heapsort方法，在相同N和M情況下，所用時(shí)間起伏很大，即所用時(shí)間對(duì)原始數(shù)據(jù)依賴性很高。

程序代碼
  1//2.5_nth.cpp   by  flyinghearts#qq.com 
  2#include <iostream>
  3#include <vector>
  4#include <queue>
  5#include <set>
  6#include <utility>
  7#include <algorithm>
  8#include <ctime>
  9#include <cassert>
 10#include <cstdlib>
 11using namespace std;
 12
 13const int check_result=0;  //是否檢查結(jié)果的正確性
 14
 15template<typename T> void nth_mset(const T*, size_t, T*, size_t);
 16template<typename T> void nth_queue(const T*, size_t, T*, size_t);
 17template<typename T> void nth_stl(const T*, size_t, T*, size_t);
 18template<typename T> void nth_partial(const T*, size_t, T*, size_t);
 19template<typename T> void nth_partial_copy(const T*, size_t, T*, size_t);
 20template<typename T> void nth_heap_1(const T*, size_t, T*, size_t);
 21template<typename T> void nth_heap_2(const T*, size_t, T*, size_t);
 22template<typename T> void nth_heap_3(const T*, size_t, T*, size_t);
 23template<typename T> void nth_heapsort(const T*, size_t, T*, size_t);
 24
 25//使用桶排序法，僅適用于32位整數(shù)且 整數(shù)的最大重復(fù)次數(shù)小于2^32
 26void nth_count(const int *src, size_t src_size, int *dst, size_t dst_size);
 27
 28//從N個(gè)數(shù)（取值范圍(-2^BITS,2^BITS) ）取M個(gè)最大的數(shù)
 29template<typename T, typename R, size_t size>
 30void test(R (&ff)[size], size_t count=1, size_t N=1e8,
 31          size_t M=1e4, size_t BITS=31);
 32
 33class Rand_num {
 34  int mask;
 35 public:
 36  Rand_num(int i=31){ if(i>31 || i<1) i=31;  mask=((1<<i)-1)&(1<<31);}
 37  int operator()(){ return (((rand()&3)<<30)+(rand()<<15)+rand())&mask;}
 38};
 39
 40struct Func {
 41  const char *name;
 42  void (*func)(const int *, size_t, int *, size_t);
 43};
 44
 45int main()
 46{
 47  Func ff[]={
 48    {"nth_elmemnt",nth_stl},
 49    {"nth_count",nth_count},
 50    {"priority_queue",nth_queue},
 51    {"partial_sort",nth_partial},
 52    {"partial_sort_copy",nth_partial_copy},
 53    {"heap(pop/push) ",nth_heap_1},
 54    {"heap(pop/copy)",nth_heap_2},
 55    {"heap(custom_pop)",nth_heap_3},
 56    {"multiset",nth_mset},
 57    {"heap_sort",nth_heapsort},
 58  };
 59  test<int>(ff,1,1e6,8e5);
 60  test<int>(ff,1,1e8,1e4,10);
 61  test<int>(ff,1,1e8,1e4);
 62  test<int>(ff,1,1e8,1e5,10);
 63  test<int>(ff,1,1e8,1e5);
 64  test<int>(ff,1,1e8,1e6,10);
 65  test<int>(ff,1,1e8,1e6);
 66  test<int>(ff,1,1e8,5e6,10);
 67  test<int>(ff,1,1e8,5e6);
 68}
 69
 70template<typename T>
 71void nth_heapsort(const T *src, size_t src_size, T *dst, size_t dst_size)
 72{
 73  assert( dst_size >0 && dst_size <= src_size);
 74  vector<T> cache(src,src+src_size);
 75  T *first=&cache[0];
 76  T *last=first+src_size;
 77  T *pp=last;
 78  make_heap(first, last);
 79  for (size_t i=0; i<dst_size; ++i)  pop_heap(first, pp--);
 80  copy(last-dst_size,last, dst);
 81}
 82
 83
 84template<typename T>
 85void nth_mset(const T *src, size_t src_size, T *dst, size_t dst_size)
 86{
 87  assert( dst_size >0 && dst_size <= src_size);
 88  assert(src);
 89  assert(dst);
 90  multiset<T> tmp(src, src+dst_size);
 91  const T *p=src + dst_size -1;
 92  const T *end=src + src_size;
 93  T min=*(tmp.begin());
 94  while ( ++p < end){
 95    if (*p > min){
 96      tmp.insert(*p);
 97      tmp.erase(tmp.begin());
 98      min=*(tmp.begin());
 99    }
100  }
101  copy(tmp.begin(),tmp.end(),dst);
102}
103
104template<typename T>
105void nth_queue(const T *src, size_t src_size, T *dst, size_t dst_size)
106{
107  assert( dst_size >0 && dst_size <= src_size);
108  assert(src);
109  assert(dst);
110  typedef greater<T> CMP;
111  CMP cmp;
112  priority_queue<T, vector<T>, CMP > tmp(src, src+dst_size);
113  const T *p=src + dst_size -1;
114  const T *end=src + src_size;
115  T toppest=tmp.top();
116  while ( ++p < end){
117    if ( cmp(*p,toppest) ){
118      tmp.pop();
119      tmp.push(*p);
120      toppest=tmp.top();
121    }
122  }
123  copy( &(tmp.top()), &(tmp.top()) + dst_size,dst);
124}
125
126
127template<typename T>
128void nth_stl(const T *src, size_t src_size, T *dst, size_t dst_size)
129{
130  assert( dst_size >0 && dst_size <= src_size);
131  assert(src);
132  assert(dst);
133  vector<T> tmp(src, src+src_size);
134  greater<T> cmp;
135  nth_element(tmp.begin(),tmp.begin()+dst_size, tmp.end(), cmp);
136  copy(tmp.begin(),tmp.begin()+dst_size,dst);
137}
138
139template<typename T>
140void nth_partial(const T *src, size_t src_size, T *dst, size_t dst_size)
141{
142  assert( dst_size >0 && dst_size <= src_size);
143  assert(src);
144  assert(dst);
145  vector<T> tmp(src, src+src_size);
146  greater<T> cmp;
147  partial_sort(tmp.begin(),tmp.begin()+dst_size, tmp.end(), cmp);
148  copy(tmp.begin(),tmp.begin()+dst_size,dst);
149}
150
151template<typename T>
152void nth_partial_copy(const T *src, size_t src_size, T *dst, size_t dst_size)
153{
154  assert( dst_size >0 && dst_size <= src_size);
155  assert(src);
156  assert(dst);
157  greater<T> cmp;
158  partial_sort_copy(src,src+src_size,dst,dst+dst_size,cmp);
159}
160
161
162template<typename T>
163void nth_heap_1(const T *src, size_t src_size, T *dst, size_t dst_size)
164{
165  assert( dst_size >0 && dst_size <= src_size);
166  greater<T> cmp;
167  copy(src, src+dst_size, dst);
168  const T *p=src + dst_size -1;
169  const T *end=src + src_size;
170  T * const first=dst;
171  T * const last=dst+dst_size;
172  make_heap( first, last, cmp);
173  T toppest=*first;
174  while ( ++p < end){
175    if ( cmp(*p, toppest) ){
176      pop_heap( first, last, cmp);
177      *(last-1)=*p;
178      push_heap( first,last, cmp);
179      toppest=*first;
180    }
181  }
182}
183
184
185template<typename T>
186void nth_heap_2(const T *src, size_t src_size, T *dst, size_t dst_size)
187{
188  greater<T> cmp;
189  assert( dst_size >0 && dst_size <= src_size);
190  vector<int> tmp(src, src+dst_size+1);
191  const T *p=src + dst_size -1;
192  const T *end=src + src_size;
193  T * const first=&tmp[0];
194  T * const last=first+dst_size;
195  make_heap( first, last, cmp);
196  T toppest=*first;
197  while ( ++p < end){
198    if (  cmp(*p, toppest) ){
199      *last=*p;
200      pop_heap( first, last+1, cmp);
201      toppest=*first;
202    }
203  }
204  copy(first, last,dst);
205}
206
207
208template<typename T>
209void nth_heap_3(const T *src, size_t src_size, T *dst, size_t dst_size)
210{
211  assert( dst_size >0 && dst_size <= src_size);
212  copy(src, src+dst_size, dst);
213  const T *p=src + dst_size -1;
214  const T *end=src + src_size;
215  size_t i,left;
216  make_heap( &dst[0],&dst[0]+dst_size, greater<T>() );
217  T min=dst[0];
218  while ( ++p < end){
219    if (*p > min){
220      dst[0]=*p;
221      i=0;
222      while( (left=(i<<1)+1)<dst_size-1){
223        if (dst[left] > dst[left+1]) ++left;
224        if (dst[left] >= *p) break;
225        dst[i]=dst[left];
226        i=left;
227      }
228      if (left==dst_size-1 && dst[left]<*p){
229        dst[i]=dst[left];
230        i=left;
231      }
232      dst[i]=*p;
233      min=dst[0];
234    }
235  }
236}
237
238
239void nth_count(const int *src, size_t src_size, int *dst, size_t dst_size)
240{
241  assert( dst_size >0 && dst_size <= src_size);
242  assert(sizeof(int)==4);
243  const unsigned TOTAL=0x10000;       //桶總數(shù)
244  const unsigned MIDDLE= TOTAL >> 1;  //0到TOTAL的中間位置
245  unsigned count[TOTAL]={0};
246  unsigned * const mid=count+MIDDLE;
247  size_t sum=0;
248  const int *p=src, *end=src+src_size;
249  for (; p<end; ++p) ++mid[ *p>>16];
250  unsigned pos=TOTAL;
251  while (sum < dst_size) sum += count[--pos];
252  size_t new_dst_size = count[pos]+ dst_size - sum;
253  int *q=dst;
254  int high16=pos-MIDDLE;
255
256  if (new_dst_size == 0) {
257    for (p=src,q=dst; p<end; ++p)
258      if ( (*p>>16)>= high16) *q++=*p;
259    return ;
260  }
261
262  fill(count, count+TOTAL, 0);
263
264  for (p=src,q=dst; p<end; ++p){
265    if ((*p>>16)>high16) *q++=*p;
266    else if ((*p>>16)==high16) ++count[*p&0xFFFF];
267  }
268
269  int low16=TOTAL, high16_v=high16<<16, value=0, number=0;
270  sum=0;
271  while (1){
272    number=count[--low16];
273    if (number) {
274      sum += number;
275      value=high16_v+ low16;
276      if (sum<new_dst_size){
277        for (; number>0; --number) *q++=value;
278      }else{
279        for (number -= sum - new_dst_size; number>0; --number)  *q++=value;
280        return;
281      }
282    }
283  }
284}
285
286
287template<typename T, typename R, size_t size>
288void test(R (&ff)[size], unsigned count, unsigned N, unsigned M, unsigned BITS)
289{
290  assert( N>=M && M>0);
291  assert( size>0);
292  assert(ff);
293  size_t j=0, i=0;
294  vector<T> arr(N),result(M),tmp(M);
295  greater<T> cmp;
296  cout<<"\nN,M: "<<N<<" "<<M<<"    "<< 1.0*M/N<< endl;
297  clock_t tb;
298  srand(time(0));
299  Rand_num rand_num(BITS);
300  for( j=0; j <count; ++j ){
301    tb=clock();
302    generate(arr.begin(),arr.end(), rand_num);
303    tb=clock()-tb;
304    cout<<"Randomizing: "<<tb<<" ms\n";
305    if(check_result){
306       tb=clock();
307       partial_sort_copy(arr.begin(), arr.end(), tmp.begin(), tmp.end(), cmp);
308       tb=clock()-tb;
309       cout<<"partial_sort_copy: "<<tb<<" ms\n";
310    }
311    for(i=0; i<size; ++i){
312      tb=clock();
313      ff[i].func(&arr[0],N,&result[0],M);
314      tb=clock()-tb;
315      cout<< ff[i].name<<"  "<< tb<<"  ms\n";
316      if(check_result){
317        sort(result.begin(),result.end(), cmp);
318        if( !equal(result.begin(), result.end(), tmp.begin())) {
319           cout<< ff[i].name<< " failed to pass!\nresult:\n";
320        }
321      }
322    }
323    cout<<"\n";
324  }
325}
326
327