搜索数据集的高效算法答案

【问题标题】：Efficient algorithm to search sets of data搜索数据集的高效算法
【发布时间】：2012-08-01 17:24:13
【问题描述】：

给定几组元素，例如：

int set1[5] {5601, 935, 4153, 2195, 422};
int set2[5] {5601, 935, 23, 44, 422};
int set3[5] {4205, 935, 4153, 2195, 15};
int set4[5] {4205, 589, 4015, 44, 422};

如果顺序很重要（即 1、2、3 与 2、1、3 不同），定位特定集合的有效算法是什么？例如，您要定位：

int value[5] {5601, 935, 23, 44, 422};

注意事项：

新集合的插入成本不是问题，因此它们可以存储在任何数据结构中，以优化搜索时间。
每个集合将包含 1 到 1,000,000 个元素（大约，并且将有 1 到 1000 个集合（同样，大约）。但是对于任何给定集合，元素的数量将始终相同集合（例如，如果一个集合有 10 个元素，那么所有集合将有 10 个元素）。

后续问题，我将在 C++ 中实现它，因此我有兴趣了解任何推荐的算法，无论它们是否存在于开源 C++ 库（最好是 STL、Boost 或 QT，但我'也会考虑其他人）。

【问题讨论】：

标签： c++ algorithm search

【解决方案1】：

如果顺序很重要，您关注的是序列，而不是集合。术语很重要。

由于您只考虑大约 1,000 个序列，因此将它们存储在哈希表中应该很容易，并且性能良好。我会考虑构建一个字符串来表示每个序列，例如，通过连接每个元素的字符串表示形式，加上某种分隔符，然后对其进行哈希处理。

【讨论】：

【解决方案2】：

使用std::vector<set_type> 来存储集合。将所有套件插入容器中。使用std::sort 对容器进行排序。使用std::binary_search（或std::lower_bound，如果您需要元素的迭代器）查找元素。

set_type 使用的类型取决于每个集合中的元素数量。如果已知元素的数量很少，那么std::array<T, N> 就足够了；否则，请考虑std::vector<T>。

【讨论】：

谢谢。由于我正在处理容器的容器，它会以有效的方式比较内部容器（例如，如果第一个元素不匹配，则停止比较给定的集合），还是会比较整个内部容器以找到匹配项?
序列容器的operator< 重载按顺序比较元素。他们只会比较需要比较的尽可能多的元素以确定结果（比较不必要的元素是没有意义的）。另请注意，以这样一种方式封装此逻辑是微不足道的，即换出不同的存储实现（例如std::unordered_set）将很简单。

【解决方案3】：

定义集合的顺序，然后将它们插入树中。或者定义一个哈希码和一个比较器并对它们进行哈希表处理。

【讨论】：

【解决方案4】：

在这种情况下，我会使用哈希表。您将拥有O(1) 的访问时间（最坏的情况是O(n)，但使用良好的哈希函数这不是问题）

因此，如果您的 Hashtabel 足够大并且您不必担心空间问题，这绝对是最快的搜索方式。（考虑二分搜索在O(log(n))）

哈希表仅在新 C++0x 标准的 STL 中可用。见STL::TR1

【讨论】：