关于堆排序和topK算法的PHP实现

问题描述

topK算法，简而言之，就是求n个数据里的前m大个数据，一般而言，m<<n，也就是说，n可能有几千万，而m只是10或者20这样的两位数。

思路

最简单的思路，当然是使用要先对这n个数据进行排序，因为只有排序以后，才能按照顺序来找出排在前面的，或者排在后面的数据。

假如说我们用快拍，那么时间复杂度是O(nlogn)，但是仔细看题目，会发现实际上不要要将所有的数据就进行排序，因为我们找的是前m个数据，所以对所有数据排序实际上有些浪费了。所以可以想到，只维护一个大小为m的数组，然后扫一遍原来的数组n，只将大于数组m里的最小值的数据插入到m数组里，并且重新调整m数组的顺序。

如果使用朴素的方法对m数组进行调整，那么时间复杂度将会是O(n*m)，这显然不是最优的结果。对于维护的数组m，我们可以通过维护一个堆结构，来达到每次排序O（logm）的时间复杂度，这样topK算法，总体的复杂度也就变成了O(nlogm)。

关于堆

二叉堆是完全二叉树或者是近似完全二叉树。

二叉堆满足二个特性：

1．父结点的键值总是大于或等于（小于或等于）任何一个子节点的键值。

2．每个结点的左子树和右子树都是一个二叉堆（都是最大堆或最小堆）。

当父结点的键值总是大于或等于任何一个子节点的键值时为最大堆。当父结点的键值总是小于或等于任何一个子节点的键值时为最小堆。下图展示一个最小堆：一般都用数组来表示堆，i结点的父结点下标就为(i – 1) / 2。它的左右子结点下标分别为2 * i + 1和2 * i + 2。如第0个结点左右子结点下标分别为1和2。

PHP实现的堆

  1 class Heap {
  2
  3
  4
  5     protected $listSize;
  6
  7     protected $tree;
  8
  9
 10
 11     public function __construct($list) {
 12
 13         $this->listSize = count($list);
 14
 15         $i = 1;
 16
 17         foreach ($list as $li) {
 18
 19             $this->tree[$i++] = $li;
 20
 21         }
 22
 23         unset($list);
 24
 25         $this->initHeap();
 26
 27     }
 28
 29
 30
 31     public function getSortedResult() {
 32
 33         $this->initHeap();
 34
 35         $this->sortHeap();
 36
 37         return $this->tree;
 38
 39     }
 40
 41
 42
 43     public function getHeapResult() {
 44
 45         return $this->tree;
 46
 47     }
 48
 49
 50
 51     public function getTopNode() {
 52
 53         return $this->tree[1];
 54
 55     }
 56
 57
 58
 59     public function setTopNode($value) {
 60
 61         $this->tree[1] = $value;
 62
 63         $this->adjustHeap(1, $this->listSize);
 64
 65     }
 66
 67
 68
 69     public function sortHeap() {
 70
 71         for ($end = $this->listSize; $end > 1; $end--) {
 72
 73             $this->swap($this->tree[1], $this->tree[$end]);
 74
 75             $this->adjustHeap(1, $end - 1);
 76
 77         }
 78
 79     }
 80
 81
 82
 83     private function initHeap() {
 84
 85         for ($start=floor($len / 2); $start >= 1; $start--) {
 86
 87             $this->adjustHeap($start, $this->listSize);
 88
 89         }
 90
 91     }
 92
 93
 94
 95     private function adjustHeap($start, $len) {
 96
 97         $tmp = $start;  // 临时变量,用于保存最大值或者最小值的下标索引
 98
 99         $lChildInx = $start * 2;
100
101         $rChildInx = $lChildInx + 1;
102
103         if ($start <= floor($len / 2)) {
104
105             if($lChildInx <= $len && $this->tree[$lChildInx] < $this->tree[$tmp]) {
106
107                 $tmp = $lChildInx;
108
109             }
110
111             if($rChildInx <= $len && $this->tree[$rChildInx] < $this->tree[$tmp]) {
112
113                 $tmp = $rChildInx;
114
115             }
116
117             if ($tmp != $start) {
118
119                 $this->swap($this->tree[$tmp], $this->tree[$start]);
120
121                 $this->adjustHeap($tmp, $len);
122
123             }
124
125         }
126
127     }
128
129
130
131     private function swap(&$a, &$b) {
132
133         $temp = $a;
134
135         $a = $b;
136
137         $b = $temp;
138
139     }
140
141
142
143 }

topK

 1 include ‘Heap.class.php‘;
 2
 3
 4
 5 $list = range(1,10000);
 6
 7 shuffle($list);
 8
 9 $k = 15;
10
11
12
13 $initHeapNodes = array_slice($list, 0, $k);
14
15 $heap = new Heap($initHeapNodes);
16
17
18
19 $n = count($list);
20
21
22
23 for ($i=$k; $i<$n; $i++) {
24
25     if ($list[$i] > $heap->getTopNode()) {
26
27         $heap->setTopNode($list[$i]);
28
29     }
30
31 }
32
33
34
35 print_r($heap->getSortedResult());