拜托,面试别再问我 TopK 了

栏目: 编程工具 · 发布时间: 6年前

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

拜托,面试别再问我 TopK 了

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。

拜托,面试别再问我 TopK 了

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。

拜托,面试别再问我 TopK 了

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

拜托,面试别再问我 TopK 了

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。

拜托,面试别再问我 TopK 了

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“ ”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“ ”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 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

拜托,面试别再问我 TopK 了

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

}

拜托,面试别再问我 TopK 了

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)

  • ,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

拜托,面试别再问我 TopK 了

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!

查看所有标签

猜你喜欢:

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

Django 1.0 Template Development

Django 1.0 Template Development

Scott Newman / Packt / 2008 / 24.99

Django is a high-level Python web application framework designed to support the rapid development of dynamic websites, web applications, and web services. Getting the most out of its template system a......一起来看看 《Django 1.0 Template Development》 这本书的介绍吧!

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

RGB HSV 转换
RGB HSV 转换

RGB HSV 互转工具

HSV CMYK 转换工具
HSV CMYK 转换工具

HSV CMYK互换工具