内容简介:前言:本文将介绍随机选择,分治法,减治法的思想,以及TopK问题优化的来龙去脉,原理与细节,保证有收获。面试中,
前言:本文将介绍随机选择,分治法,减治法的思想,以及TopK问题优化的来龙去脉,原理与细节,保证有收获。
面试中, TopK,是 问得比较多的几个问题之一,到底有几种方法,这些方案里蕴含的优化思路究竟是怎么样的,今天和大家聊一聊。
画外音: 除非校招,我在面试过程中从不问TopK这个问题,默认大家都知道。
问题描述 :
从arr[1, n]这n个数中,找出最大的k个数,这就是经典的TopK问题。
栗子 :
从arr[1, 12]={5,3,7,1,8,2,9,4,7,2,6,6} 这n=12个数中,找出最大的k=5个。
一、排序
排序是最容易想到的方法, 将n个数 排序 之后,取出最大的k个 ,即为所得。
伪代码 :
sort(arr, 1, n);
return arr[1, k];
时间复杂度 :O(n*lg(n))
分析 :明明只需要TopK,却将全局都排序了,这也是这个方法复杂度非常高的原因。 那能不能不全局排序,而只局部排序呢? 这就引出了第二个优化方法。
二、局部排序
不再全局排序,只对最大的k个排序。
冒泡是一个很常见的排序方法, 每冒一个泡,找出最大值,冒k个泡,就得到TopK 。
伪代码 :
for(i=1 to k){
bubble_find_max(arr,i);
}
return arr[1, k];
时间复杂度 :O(n*k)
分析 :冒泡,将全局排序优化为了局部排序,非TopK的元素是不需要排序的,节省了计算资源。不少朋友会想到,需求是TopK,是不是 这最大的k个元素也不需要排序呢? 这就引出了第三个优化方法。
三、堆
思路 :只找到TopK,不排序TopK。
先用前k个元素生成一个小顶堆, 这个小顶堆用于存储,当前最大的k个元素 。
接着,从第k+1个元素开始扫描,和堆顶(堆中最小的元素)比较, 如果被扫描的元素大于堆顶,则替换堆顶的元素,并调整堆 ,以保证堆内的k个元素,总是当前最大的k个元素。
直到,扫描完所有n-k个元素,最终堆中的k个元素,就是猥琐求的TopK。
伪代码 :
heap[k] = make_heap(arr[1, k]);
for(i=k+1 to n){
adjust_heap(heep[k],arr[i]);
}
return heap[k];
时间复杂度 :O(n*lg(k))
画外音:n个元素扫一遍,假设运气很差,每次都入堆调整,调整时间复杂度为堆的高度,即lg(k),故整体时间复杂度是n*lg(k)。
分析 :堆,将冒泡的TopK排序优化为了TopK不排序,节省了计算资源。堆,是求TopK的经典算法, 那还有没有更快的方案呢?
四、随机选择
随机选择算在是《算法导论》中一个经典的算法,其时间复杂度为O(n),是一个线性复杂度的方法。
这个方法并不是所有同学都知道,为了将算法讲透,先聊一些前序知识,一个所有 程序员 都应该烂熟于胸的经典算法: 快速排序 。
画外音:
(1)如果有朋友说,“不知道快速排序,也不妨碍我写业务代码呀”…额...
(2)除非校招,我在面试过程中从不问快速排序,默认所有工程师都知道;
其伪代码是 :
void quick_sort (int[]arr, int low, inthigh){
if(low== high) return;
int i = partition (arr, low, high);
quick_sort (arr, low, i-1);
quick_sort (arr, i+1, high);
}
其核心算法思想是, 分治法 。
分治法 (Divide&Conquer), 把一个大的问题,转化为若干个子问题 (Divide), 每个子问题“ 都 ”解决 ,大的问题便随之解决(Conquer)。这里的关键词是 “都” 。从伪代码里可以看到,快速排序递归时,先通过partition把数组分隔为两个部分,两个部分“都”要再次递归。
分治法有一个特例,叫 减治法 。
减治法 (Reduce&Conquer), 把一个大的问题,转化为若干个子问题 (Reduce), 这些子问题中“ 只 ”解决一个 ,大的问题便随之解决(Conquer)。这里的关键词是 “只” 。
二分查找 binary_search ,BS,是一个典型的运用 减治法 思想的算法,其伪代码是:
int BS (int[]arr, int low, inthigh, int target){
if(low> high) return -1;
mid= (low+high)/2;
if(arr[mid]== target) return mid;
if(arr[mid]> target)
return BS (arr, low, mid-1, target);
else
return BS (arr, mid+1, high, target);
}
从伪代码可以看到,二分查找,一个大的问题,可以用一个mid元素,分成左半区,右半区两个子问题。而左右两个子问题,只需要解决其中一个,递归一次,就能够解决二分查找全局的问题。
通过分治法与减治法的描述,可以发现, 分治法的复杂度一般来说是大于减治法的 :
快速排序:O(n*lg(n))
二分查找:O(lg(n))
话题收回来, 快速排序 的 核心 是:
i = partition(arr, low, high);
这个partition是干嘛的呢?
顾名思义,partition会把整体分为两个部分。
更具体的,会用数组arr中的一个元素(默认是第一个元素t=arr[low])为划分依据,将数据arr[low, high]划分成左右两个子数组:
-
左半部分,都比t大
-
右半部分,都比t小
-
中间位置i是划分元素
以上述TopK的数组为例,先用第一个元素t=arr[low]为划分依据,扫描一遍数组,把数组分成了两个半区:
-
左半区比t大
-
右半区比t小
-
中间是t
partition返回的是t 最终的位置i 。
很容易知道,partition的时间复杂度是O(n)。
画外音:把整个数组扫一遍,比t大的放左边,比t小的放右边,最后t放在中间N[i]。
partition和TopK问题有什么关系呢?
TopK是希望求出arr[1,n]中 最大的k个数 ,那如果找到了 第k大 的数 ,做一次partition,不就一次性找到最大的k个数了么?
画外音:即partition后左半区的k个数。
问题变成了arr[1, n]中 找到第k大的数 。
再回过头来看看 第一次 partition,划分之后:
i = partition(arr, 1, n);
-
如果i大于k,则说明arr[i]左边的元素都大于k,于是只递归arr[1, i-1]里第k大的元素即可;
-
如果i小于k,则说明说明第k大的元素在arr[i]的右边,于是只递归arr[i+1, n]里第k-i大的元素即可;
画外音:这一段非常重要,多读几遍。
这就是 随机选择 算法 randomized_select ,RS,其伪代码如下:
int RS (arr, low, high, k){
if(low== high) return arr[low];
i= partition (arr, low, high);
temp= i-low; //数组前半部分元素个数
if(temp>=k)
return RS (arr, low, i-1, k); //求前半部分第k大
else
return RS (arr, i+1, high, k-i); //求后半部分第k-i大
}
这是一个典型的减治算法,递归内的两个分支,最终只会执行一个,它的时间复杂度是O(n)。
再次强调一下:
-
分治法 ,大问题分解为小问题,小问题都要递归各个分支,例如:快速排序
-
减治法 ,大问题分解为小问题,小问题只要递归一个分支,例如:二分查找,随机选择
通过随机选择(randomized_select),找到arr[1, n]中第k大的数,再进行一次partition,就能得到TopK的结果。
五、总结
TopK,不难;其思路优化过程,不简单:
-
全局排序 ,O(n*lg(n))
-
局部排序 ,只排序TopK个数,O(n*k)
-
堆 ,TopK个数也不排序了,O(n*lg(k))
-
分治法 ,每个分支“都要”递归,例如:快速排序,O(n*lg(n))
-
减治法 ,“只要”递归一个分支,例如:二分查找O(lg(n)),随机选择O(n)
-
TopK的另一个解法: 随机选择 +partition
知其然,知其所以然。
思路比结论重要 。
希望大家对TopK有新的认识,谢 转 。
架构师之路 -分享 可落地 的架构文章
相关推荐:
《 数据库索引底层,如何实现? 》 B+树
《 搜索引擎底层,如何实现? 》 倒排索引
《 10W定时任务,如何实现? 》 HWTimer
挖坑 :TopK,你以为这就是最快的解法?太小看架构师之路了, 更快方案 ,且听下一期分解。
以上所述就是小编给大家介绍的《拜托,面试别再问我 TopK 了》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 拜托,面试别再问我桶排序了
- 拜托!面试请不要再问我Spring Cloud底层原理
- 拜托,面试请不要再问我TCC分布式事务的实现原理!
- 拜托,面试请不要再问我分布式搜索引擎的架构原理!【石杉的架构笔记】
- Python面试经验总结,面试一时爽,一直面试一直爽!
- 算法面试:数组编码面试问题
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Natural Language Processing with Python
Steven Bird、Ewan Klein、Edward Loper / O'Reilly Media / 2009-7-10 / USD 44.99
This book offers a highly accessible introduction to Natural Language Processing, the field that underpins a variety of language technologies, ranging from predictive text and email filtering to autom......一起来看看 《Natural Language Processing with Python》 这本书的介绍吧!