关于堆排序和topK算法的PHP实现

永夜海

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());