一.TOP—K问题简介:
TOP-K 问题:即求数据结合中前 K 个最大的元素或者最小的元素,一般情况下数据量都比较大 。
比如:专业前 10 名、世界 500 强、富豪榜、游戏中前 100 的活跃玩家等。
对于 Top-K 问题,能想到的最简单直接的方式就是排序,但是:如果数据量非常大,排序就不太可取了 ( 可能数据都不能一下子全部加载到内存中) 。最佳的方式就是用堆来解决,基本思路如下:
1. 用数据集合中前 K 个元素来建堆
前 k 个最大的元素,则建小堆
前 k 个最小的元素,则建大堆
2. 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
将剩余 N-K 个元素依次与堆顶元素比完之后,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.代码的实现过程:
首先还是上次写过的交换函数和向下调整算法,这里也就直接展示,不多做赘述了:
接下来就是完成文件数据的创建:
srand就是一个时间种子,随着你的时间变换,他产生的数也会发生变化,如果只调用rand函数的话他产生的值是随机的但是每次运行产生的值是固定的,所以这里用srand先产生一个时间种子比较好,这样才能完成数据的随机。
然后关于文件操作的详解如果有不懂可以看我的另一篇博客:
文件操作详解-CSDN博客
当文件数据创建完成后,现在就来实现TOP—K问题的主要代码:
首先创建一块空间用来存储读到文件中的前K个数据,然后先存储到数组中去,存完之后来向下调整建小堆,之后再处理n-k个数据,一个个比较,当读取到文件末尾返回-1时,循环结束,然后如果访问到的值大于堆顶的数据,就调换一下,再次利用向下调整建堆,直到最后,堆中就是最大的那K个数了。
现在来测试一下:
现在运行创造数据的函数,这里创造了1万个0~9999999的数:
在这里我们手动随机在几个数后面加几个0,这样我们在运行TOPK函数时,我们就可以通过运行结果来看出,代码是否正确:
这里给5个数据添加了0,我们在运行时就给K输入5:
也是成功找到,所以我们写的代码是正确的。
整个代码如图: