首页 > 代码库 > 编程之美2.3笔记:寻找发帖“水王”
编程之美2.3笔记:寻找发帖“水王”
《编程之美》2.3:
Tango是微软亚洲研究院的一个试验项目。研究院的员工和实习生们都很喜欢在Tango上面交流灌水。传说,Tango有一大“水王”,他不但喜欢发贴,还会回复其他ID发的每个帖子。坊间风闻该“水王”发帖数目超过了帖子总数的一半。如果你有一个当 前论坛上所有帖子(包括回帖)的列表,其中帖子作者的ID也在表中,你能快速找出这个传说中的Tango水王吗?
当面试的时候我们遇到这样的问题,应该怎么去思考呢?读SICP的一个很大的收获是,学会抽象。贵族娱乐城
抽象
抽象就是从问题中提取有用的,本质的特征,然后将问题用一个简洁但包含同样信息的模型表示出来。复杂的问题经抽象后,可能会变成一个简单的问题,也可能会变成一个曾经遇到的问题,当然也可能仍然是复杂的问题。不管抽象后得到的结果是哪一种,看着抽象后的问题,想出解的可能性必然比直接看原题想的可能性大。
将这题抽象下就是:给你一个数组,里面有超过一半的数字是一样的,你的任务就是找出这个数字。
关于数字数组的处理,容易联想到的方法是排序或者哈希。那么将这些方法套到问题上,就可以得到:
- 排序后,直接输出中位数;
- 建立一个大哈希表(数字的值就是它在哈希表中的下标),遍历一次数组,将数都放到哈希表中,在这个过程中,如果发现哪个数的碰撞次数超过一半,就找到了。
这就是将问题抽象后的好处——容易进行知识迁移。
分析与解答
最直接的方法就是对数组中所有的数字排序,然后再扫描一遍,统计各个数字出现的次数,如果某个数字出现的次数超过一半,则输出这个数字。显然这个算法的时间复杂度是O(N * log2N + N)。
事实上,假如现在数组已经有序,那么数组中间的数字一定是这个要求的数字,所以根本不必扫描。此时算法的时间复杂度是O(N * log2N + 1)。那还能不能再简化一些呢?
我们看到,算法主要的消耗在排序这块,那能否跳过排序这个步骤呢?我们这样想,假如每次删除两个不同的数(不管包括不包括最高频数),那么,在剩下的数字里,原最高频数出现的频率一样超过了50%,不断重复这个过程,最后剩下的将全是同样的数字,即最高频数。此算法避免的排序,时间复杂度只为O(N)。
代码如下:
#include "stdio.h"int FindFloodKing(int num[], int n){ int i; int candidate = 0; int count = 0; for (i = 0; i < n; i++) { if (count == 0) { candidate = num[i]; count = 1; printf("%d candidate = %d \n", i, candidate); } else { if (candidate == num[i]) { count++; printf("%d candidate %d == num[i] %d, count自增为 %d \n", i, candidate, num[i], count); } else { count--; printf("%d candidate %d != num[i] %d, count自减为 %d \n", i, candidate, num[i], count); } } } return candidate;}int main(){ int i, n, rs; int arr[] = {9,11,11,13,11,11,11,18,19,11,11,20,11}; n = sizeof(arr)/sizeof(int); rs = FindFloodKing(arr, n); printf("%d", rs);}
程序运行为:
0 candidate = 91 candidate 9 != num[i] 11, count自减为 02 candidate = 113 candidate 11 != num[i] 13, count自减为 04 candidate = 115 candidate 11 == num[i] 11, count自增为 26 candidate 11 == num[i] 11, count自增为 37 candidate 11 != num[i] 18, count自减为 28 candidate 11 != num[i] 19, count自减为 19 candidate 11 == num[i] 11, count自增为 210 candidate 11 == num[i] 11, count自增为 311 candidate 11 != num[i] 20, count自减为 212 candidate 11 == num[i] 11, count自增为 311
- 先让candidate等于num[1],candidate = 9
- candidate (9) != num[2] (11),所以9和11都丢弃,重新让candidate = num[3] (11)
- 反复这个步骤,遇到不同的就丢弃,遇到相同的就用count来记录累计数。目的就是要丢弃掉尽可能多对不同的数字,最后剩下的就是“水数”。
在这个题目中,有一个计算机科学中很普遍的思想,就是如何把一个问题转化为规模较小的若干个问题。分治、递推和贪心等都是基于这样的思路。在转化过程中,小的问题跟原问题本质上一致。这样,我们可以通过同样的方式将小问题转化为更小的问题。因此,转化过程是很重要的。像上面这个题目,我们保证了问题的解在小问题中仍然具有与原问题相同的性质:水王的ID在ID列表中的次数超过一半。转化本身计算的效率越高,转化之后问题规模缩小得越快,则整体算法的时间复杂度越低。
特性利用
特性利用,就是根据问题的特点,定制一个解法。通常来说,这个特制的解法是最优的。使用这种思想需要先找出问题的特点,然后思考是什么导致特点的出现,以及思考特点的使用方法。最后,如果能得到想法,就可以为问题定制一个解法。
在“寻找水王”,即上面提到的问题中,显著的特点是有一个数的出现次数超过一半。从出现次数超过一半的原因的角度思考得不到启发。但是从利用这个特性的角度思考就会得到这样的启发:这个数出现的次数比剩下的数的出现次数总和还要多。将出现次数做减法,剩下的必然是出现次数超过一半的那个数。例如:5,6,5,89,5,56,5这7个数中,5出现的次数比其它数出现次数总和多1。在统计时,如果出现5就将出现次数加1,不出现5就将出现次数减1,会发现出现次数是这样变化的:1,0,1,0,1,0,1。用文字将这个过程表述一下就是:如果下一个数字与 5 相同,就将出现次数加1,否则就将出现次数减1。
更一般的描述是:如果下一个数字与前一个数字相同,就将出现次数加1,不同就将出现次数减1。改成这样时,不管事先是否知道5是出现次数最多的,统计到最后时,都会发现留有次数的是5。调换7个数字的顺序来验证这个一般性的想法,会发现这个想法是对的。将这个想法变成代码就得到了这题的最优解法了。
附带书中设计的函数:
Type Find(Type* ID, int N){ Type candidate; int nTimes, i; for(i = nTimes = 0; i < N; i++) { if(nTimes == 0) { candidate = ID[i], nTimes = 1; } else { if(candidate == ID[i]) nTimes++; else nTimes--; } } return candidate;}
扩展问题
随着Tango的发展,管理员发现,“超级水王”没有了。统计结果表明,有3个发帖很多的ID,他们的发帖数目都超过了帖子总数目N的1/4。你能从发帖ID列表中快速找出他们的ID吗?
参考上面的解法,思路如下:
如果每次删除四个不同的ID(不管是否包含发帖数目超过总数1/4的ID),那么,在剩下的ID列表中,原先发帖比例大于1/4的ID所占比例仍然大于1/4。可以通过不断重复这个过程,把ID列表中的ID总数降低(转化为更小的问题),从而得到问题的答案。
void Find(Type* ID, int N,Type candidate[3]){ Type ID_NULL;//定义一个不存在的ID int nTimes[3], i; nTimes[0]=nTimes[1]=nTimes[2]=0; candidate[0]=candidate[1]=candidate[2]=ID_NULL; for(i = 0; i < N; i++) { if(ID[i]==candidate[0]) { nTimes[0]++; } else if(ID[i]==candidate[1]) { nTimes[1]++; } else if(ID[i]==candidate[2]) { nTimes[2]++; } else if(nTimes[0]==0) { nTimes[0]=1; candidate[0]=ID[i]; } else if(nTimes[1]==0) { nTimes[1]=1; candidate[1]=ID[i]; } else if(nTimes[2]==0) { nTimes[2]=1; candidate[2]=ID[i]; } else { nTimes[0]--; nTimes[1]--; nTimes[2]--; } } return;}
编程之美2.3笔记:寻找发帖“水王”