外贸网站建设推广,肥东网站建设,wordpress图标字体不显示不出来,wordpress访问前台太慢目录 前言#xff1a; 一、Top-K问题描述#xff1a; 二、不同解决思路实现#xff1a; ①.排序法#xff1a; ②.直接建堆法#xff1a; ③.K堆法 总结#xff1a; 前言#xff1a; 上篇文章我们学习了二叉树的顺序存储结构#xff0c;并且对于实际使用中所常…目录 前言 一、Top-K问题描述 二、不同解决思路实现 ①.排序法 ②.直接建堆法 ③.K堆法 总结 前言 上篇文章我们学习了二叉树的顺序存储结构并且对于实际使用中所常用的顺序存储结构——堆的各个接口进行实现。这篇文章我们将对堆的实际应用进行更加深入的研究。 一、Top-K问题描述 Top-K问题就是求数据结合前K个最大的元素或者最小的元素一般情况下数据量较大。比如美团上的附近美食排行榜、年纪成绩排行榜等等。 而对于Top-K问题我们能想到的有三种不同的思路去解决。首先最简单直接的方式就是排序。但是如果需要处理的数据量非常大排序就不太可取了。而另外两种方法就是使用堆 用数据集合中前K个元素来建堆若要取前K个最大的元素则建小堆若要取前K个最小的的元素则建大堆。用剩余的N-K个元素依次与堆顶元素来比较不满足则替换堆顶元素最终堆中剩余的K个元素就是所求的前K个最小或者最大的元素。 二、不同解决思路实现 ①.排序法 排序法的思路很好理解就是将所有的数据进行排序再根据需求取值即可。过程中使用的排序方法就是向下调整时间复杂度是O(nlogn): //排序法 Swap(int* a, int* b) {int tmp *a;*a *b;*b tmp; } void HeapSort(int* a, int n) {for (int i 1; i n; i){Adujustup(a, i);}while ((n-1) 0){Swap(a[0], a[n - 1]);n--;Adujustdown(a, n-1, 0);} } 这种方法就相当于遍历所有的数据进行比较排序因此会将会造成大量的内存消耗和使用存在着较大的弊端。 ②.直接建堆法 直接建堆法的作用原理为建立一个大堆时间复杂度O(logn))然后取出堆顶元素并将其删除然后调整堆重复这个步骤K次。 void HeapSort(int* a, int n) {for (int i 1; i n; i){Adujustup(a, i);}for(int i0;ik;i){printf(%d,HeapTop(a));HeapPop(a);} 虽然这种算法有了一定程度的改进但是仍然没有改变再内存中进行操作的本质其操作方式仍然会造成大量内存的占用和消耗。 ③.K堆法 由于上述两种方法都是当n很大时所占用的内存将会非常大例如我们假设n为100亿此时便有1G1024Mb1024*1024Kb1024*1024*1024Byte需要使用内存将达到10byte。 于是我们就采用另外一种建堆方式——K堆法建一个大小为K的小堆。 为什么时小堆呢         因为小堆的堆顶是K的元素中最小的而我每次只需要跟堆顶比较然后淘汰K个元素中最 小的一个最后N-K比较完之后这K个元素就是TopK了。 void TestTopk(HP* p, int k) {int* arr (int*)malloc(sizeof(int) * k);int n p-size;for (int i 1; i n; i){SAdujustup(p-a, i);}for (int i 0; i k; i){arr[i] p-a[0];p-a[0] p-a[p-size - 1];p-size--;n p-size;for (int i 1; i n; i){SAdujustup(p-a, i);}}for (int i 1; i k; i){SAdujustup(arr, i);}for (int i 0; i k; i){printf(%d , arr[i]);} } 总结 到这里我们今天关于Topk问题的研究就全部结束了难度不大最主要是结合具体情况选择最合适的方法建堆。