updated: 2012.5.10

上個星期天（2012.5.6）中午去華科參加了百度的筆試，試卷的最後一題是問百度搜索框的suggestion提示功能如何實現，用什麼資料結構和演算法。

我簡單地提及了一下Top K。

前段時間看過演算法大牛JULY部落格中的一些面試題，其中有講到Top K演算法。且《程式設計之美》中也有一節專門講解Top K。現如今百度也考到了，說明Top K演算法真的是太重要了。可惜之前都只是粗淺地看了一遍，沒有徹底領悟。現在正在著手於Top K的學習，程式碼寫好了需要海量測試資料，上哪找呢？哼哼，當然是自己寫程式生成啦。下面將介紹一種方法來隨機生成1000萬個隨機數，並將資料儲存到檔案data.txt中，方便我們隨時進行測試。

精華部分：

srand(unsigned(time(0));//隨機種子，為了提高不重複的概率
   rand()%(MAX-MIN + 1) + MIN;                //生成的隨機數值在MIN和MAX之間（包含MIN,MAX）

請直接看程式碼，所有重要資訊均在上面。

1. /* 
2. 本程式實現的功能： 
3. 生成1000萬個可能重複的隨機數，用作測試資料  
4. 並計算生成這些資料所用的時間  
5. */
6. #include <iostream>
7. #include <ctime> // time.h也可,用於計算程式執行時間和生成隨機種子數 
8. usingnamespace std;  
9. #define SELF_RAND_MAX 0x7FFFFFFF
10. int main()  
11. {  
12.  //typedef long clock_t 
13.  clock_t start_time = clock();//計時開始
14.     srand(unsigned(time(0)));//生成時間種子
15.  //生成的數值在1000到1000萬之間 
16.     constint MAX = 10000000;  
17.     constint MIN = 1000;  
18.     /*讀入資料 freopen("in.txt","r",stdin);  
19.  //寫入資料 freopen("out.txt","w",stdout); 
20.  //fclose(stdin);//關閉檔案  
21.     //fclose(stdout);//關閉檔案  
22.     把標準輸入流stdin重定向到in.txt檔案中，
     
23.  這樣在用scanf或是用cin輸入時便不會從標準輸入流讀取資料, 
24.  而是從in.txt檔案中獲取輸入。 
25.  只要把輸入資料事先貼上到in.txt，除錯時就方便多了。  
26.     */
27.   freopen("data.txt","w",stdout);  
28.   //cout << "---Generate 10,000,000 random numbers\
29.   //         which maybe repeated---" << endl;
30.  for(int i = 0; i < 10000000; ++i){  
31.   //#define RAND_MAX 0x7FFF
32.     //較標準unsigned long data = ( MAX * rand() )/ ( RAND_MAX + MIN)+ 1;
33.     //unsigned long data = (MAX - MIN + 1 ) * rand() + MIN;
34.    //unsigned long data = ((MAX - MIN + 1 ) * rand()   + MIN) % 10000000;
35.    unsigned long data = rand() % (MAX - MIN + 1) + MIN;//較標準 
36.     cout << data << ' '; //輸出資料到data.txt 
37.  }  
38.  fclose(stdout);  
39.  freopen("time.txt","w",stdout);  
40.  cout << endl   
41.       << "---the end---"
42.    << endl;  
43.    //CLOCKS_PER_SEC控制精度，在windows環境下是1000,linux下是多少完了
44.    //簡單地說windows下是毫秒級，而linux下是納秒級 
45.     cout << "elapsed time:" << double(clock() - start_time) / CLOCKS_PER_SEC  
46.          << 's' << endl;  
47.   //  fclose(stdout);
48. }  

time.txt中

---the end---

elapsed time:5.171s

生成的data.txt有55M之多。共有1000萬個資料，通過下面的測試程式可以斷定，這1000萬個資料的值均在1000-10000000之間。

1. #include <iostream>
2. #include <ctime>
3. //#include <boost/timer.hpp>
4. //using namespace boost;
5. usingnamespace std;  
6. int main(){  
7.     unsigned long data;  
8.     //timer t;
9.     int len = 0;  
10.     freopen("data.txt","r",stdin);  
11.     while(cin >> data){  
12.       if(data >= 1000 && data <=10000000)  
13.       {  
14.         //cout << data << endl;
15.      len++;   
16.       }  
17.     }  
18.     cout << len << endl;  
19.      // cout << t.elapsed() << endl;
20. }  

執行結果為10000000

另外如何生成不重複的1000萬個數？這是個非常大的挑戰，待日後解決。

好吧，繼續投入Top K的學習。