从10亿个浮点数中找出最大的1万个–很不错的一个问题（转）-优快云博客

主要参考：

http://www.cnblogs.com/yaozhongxiao/archive/2009/09/23/1572955.html

http://hi.baidu.com/sadawn/blog/item/4fdaee2433b7ed154d088d49.html

解此问题的思想：

首先，发掘一个事实：如果这个大数组本身已经按从大到小有序，那么数组的前1万个元素就是结果；然后，可以假设这个大数组已经从大到小有序，并将前1万个元素放到结果数组；再次，事实上这结果数组里放的未必是最大的一万个，因此需要将前1万个数字的后续元素跟数组的最小元素比较，如果所有后续的元素都比结果数组的最小元素还小，那结果数组就是想要的结果；如果某一后续的元素比结果数组的最小元素大，那就用它替换结果数组里最小的数字；最后，遍历完大数组，得到的结果数组就是想要的结果了。

所以最初想到的代码：

template < class T >

void solution_3( T BigArr[], T ResArr[] )

{

// 取最前面的一万个

memcpy( ResArr, BigArr, sizeof (T) * RES_ARR_SIZE );

// 标记是否发生过交换

bool bExchanged = true ;

// 遍历后续的元素

for ( int i = RES_ARR_SIZE; i < BIG_ARR_SIZE; ++ i )

{

int idx;

// 如果上一轮发生过交换

if ( bExchanged )

{

// 找出ResArr中最小的元素

int j;

for ( idx = 0 , j = 1 ; j < RES_ARR_SIZE; ++ j )

{

if ( ResArr[idx] > ResArr[j] )

idx = j;

}

}

// 这个后续元素比ResArr中最小的元素大，则替换。

if ( BigArr[i] > ResArr[idx] )

{

bExchanged = true ;

ResArr[idx] = BigArr[i];

}

else

bExchanged = false ;

}

}

上面的代码使用了一个布尔变量bExchanged标记是否发生过交换，这是一个前文没有谈到的优化手段——用以标记元素交换的状态，可以大大减少查找ResArr中最小元素的次数。也对solution_3进行测试一下，结果用时2.0秒左右（不使用bExchanged则高达32分钟），远小于solution_2的用时。

一个比较好的解决方案：

保持这一万个数为有序状态，然后与其中最小的比较。引伸出来的问题，一万个数排序会很麻烦，维持有序的状态要更多的代价

热点在哪里？首先，遍历这10亿个数是肯定需要的，但是这1万个数中，我们需要找出最小的。

更好的解决方案：

这1万个数必须排序好吗？当然不需要，我们要的只是这个数组中最小的数字，以用来比较，所以，最小堆在这里更加合适。

template < class T >

void solution_3( T BigArr[], T ResArr[] )

{

// 取最前面的一万个

memcpy( ResArr, BigArr, sizeof (T) * RES_ARR_SIZE );

构建一小顶堆； // 此处构建堆的代价为:theta(n)

// 标记是否发生过交换

bool bExchanged = true ;

// 遍历后续的元素

for ( int i = RES_ARR_SIZE; i < BIG_ARR_SIZE; ++ i )

{

if ( BigArr[i] > ResArr[ 1 ] ) // ResArr[1]是小顶堆第一个元素，即10000个数中最小的数

{

ResArr[idx] = BigArr[i];

Sift_down(ResArr, 1 ); // 如果与小顶堆最小的数交换了，则要Sift_down调整建堆；而Sift_down最多只要比较

// 14次，因为10000个数构成的完全二叉树只有14层

}

}

}

至此，这个算法的复杂度已经有了很大改进！

OK，到了这里是不是就完美了?我不会满足，如果算法上没有更好的方案，我会做多线程、平台优化、代码优化。

真的不能再优化了吗，堆只是一种常规的方案，斐波那契堆、multi-level buckets、HOT队列都是二叉堆的替代方案。