百度笔试题7.2

题目二：

http://topic.csdn.net/t/20061101/15/5125398.html

 

内存中有一个长数组，条目数为10万，数组单元为结构体struct array，sizeof(struct   array)为512字节。结构有一int型成员变量weight。现需要取得按weight值从大到小排序的前500个数组单元，请实现算法，要求效率尽可能高。  

关键是   效率尽可能高

 

Answer1：

http://topic.csdn.net/t/20061101/15/5125398.html

当年我面试百度的时候，也让我现场说出这道题的思路，最后我也是说快排的方法，  

可是那位老程序员笑了笑，就把我bs了，回到家，收到了拒信。  

反复思考了一个周末，终于明白了还有一种更好的排序方法，在解决此问题时可以达到O(n)，  

  那就是堆排序，建堆时间为O(n)，然后换动500次堆顶，时间为O(500×log(n))，所以总的复杂度还是O(n)。  

(数据总量大小为51M，机器默认的栈大小为2M，数组有可能就存不下)

 

Answer2:

如果不限内存的栈大小，那么采用堆排序。如果限制内存的栈大小，考虑到内存的栈不过存放10万个数据。开辟一个数值a[500]。

参考：

http://blog.csdn.net/lanphaday/archive/2008/12/18/3547776.aspx

 

Answer3：

其中一种策略就用正态函数来建立模型，以达到高效的要求。  

  1.遍历一次所有记录，就可以得到最大值a，最小值b和平均值v（把所有值相加，再除以记录数）  

  2.再次遍历一次所有记录，用各个值n   减去   平均值v，再求各个差值d   的平方和p，这个值能代表数值的分布变化程度。  

  3.用a,b,v,p这四个数据，以及正态分布函数，模拟得到数据的分布情况，代入概率参数500/100000=0.05，得到一个前最大500位的最小可能数值g（学过正态分布的，都应该知道可以查表和简单的乘法得到这个值，所以不需要什么复杂运算），同时可以把0.05改为0.05111（或是采用更好的模型）之类的，总之要保证前500位都会大于g。  

  4.再次遍历一次所有记录，取出所有大于g的数，模拟函数好的话，会取得5百多一点点的数据量，再在这5百多的数据量中，排出前500最大的数据，结束。  

  总复杂度大概是   3*n   +   500*（log500），有时间的话，我可能会在我的BLOG中就这个问题写些伪代码。  

  不过肯定有更高效的策略。