计算两个集合的差集——第六期 Power8 算法挑战赛

　　第六期Power8大赛

　　1.1 比赛题目

　　题目：
　　计算两个集合的差集；

　　详细说明：
　　分别有集合A和B两个大数集合，求解集合A与B的差集(A中有，但B中无的元素)，并将结果保存在集合C中，要求集合C中的元素升序。

　　输入为两个文件，分别为A.txt，B.txt，一行一个值，并且是无序的。结果输出到C.txt，即输入文件的差集，一行一个值，并且要求结果升序排列。

　　考量点：
　　(1) 大数集合求差集；
　　(2) 大数据集合排序；

　　题目实例：
　　例如，若集合A={5,20,10,15,25,30}，集合B={15,5,35,25}，完成计算后A={10,20,30}。

　　1.2 程序功能要求

　　(1)程序执行时传入三个参数(输入输出文件尽量与可执行文件在同一目录下)：
　　　　1)参数一：输入文件./A.txt路径；
　　　　2)参数二：输入文件./B.txt路径；
　　　　3)参数三：输出文件./C.txt路径；
　　(2)程序运行结果必须输出到文件./C.txt，文件格式要求：
　　　　1)一行一个值；
　　　　2)差集必须以升序排列；
　　(3)程序屏幕直接打印三行信息，形式如下：
　　　　num: XX
　　　　max: num1
　　　　min: num2
　　　　//num为差集个数，max差集中的最大值，min为差集中的最小值;
　　实例：例如，当集合A={5,20,10,15,25,30}，集合B={15,5,35,25}，屏幕输出形如：
　　　　num: 3
　　　　max: 30
　　　　min: 10

　　1.3 作品打包要求

　　　　(1)程序源码；
　　　　(2)作者自己生成的可执行文件，并且命名为csdn；
　　　　(3)程序编译Shell脚本make.sh：执行这个编译脚本，可以在当前目录生成可执行文件csdn；
　　　　(4)可执行文件执行Shell脚本run.sh：连续执行三次csdn(可执行文件)，并且每次使用time命令获取时间；
　　　　(5)说明文件readme.txt分条罗列以下信息：
　　　　　　1)程序编译说明；
　　　　　　2)程序运行说明；
　　　　　　3)作者连续执行三次的平均时间；
　　　　　　4)程序的设计思路，尽可能详细地有条理地陈述；
　　　　(6)执行run.sh脚本的截图，时间必须与说明文件readme.txt中的平均时间对应。

　　1.4 校验流程说明

　　　　(1)程序功能必须满足1.2所述，不然程序判为不合格；
　　　　(2)程序打包必须满足1.3所述，不然无法进行正常程序校验，判为不合格；
　　　　(3)作者提供的截图以及说明文件readme.txt中的平均时间仅作参考，具体时间以校验时间为准；
　　　　(4)程序校验步骤说明：
　　　　　　1)查看作者截图，屏幕输出是否正确，若正确进行下一步；
　　　　　　2)直接执行run.sh获取三次的执行时间，即使用作者提供的可执行文件csdn进行执行；
　　　　　　3)删除csdn可执行文件，执行make.sh，再执行run.sh脚本，获取三次的执行时间；
　　　　　　4)查看是否有输出文件C.txt，获取C.txt与标准结果进行校验；
　　　　　　5)若输出校验无误，则以步骤(3)获取的平均时间为最终作品校验时间；

 

　　我的作答

　　1. 解题思路：

　　判断两个集合的差集——求 A 中有，但是 B 没有的元素——数据结构选择哈希表来存储 B 表。

　　从内存流中每次读取一个 A 集合中的元素，使用 unordered_set::find() 来确定 B 中是否存在该元素，如果 B 中不存在则将该元素，则将元素加入新的 unordered_set<T> 集合。最后函数返回新的 unordered_set<T> 集合。

　　1.2 新的解题思路：

　　hashmap 对内存的使用率不足 50% ——因为装填因子最好小于 0.5 具体取决于冲突的解决方法——所以使用 bitmap 是更省内存的方法，但前提是已经知道了数值范围。

 

　　2. 项目源代码

　　　　2.1　　main.cpp

#include <fstream>
#include <unordered_set>
#include <set>
#include <iostream>

using namespace std;

typedef unsigned DataType;

set<DataType>* fileDifferent(ifstream &ifile1, ifstream &ifile2)
{
    unordered_set<DataType> *m = new unordered_set<DataType>();
    set<DataType> *v = new set<DataType>();

    DataType num;

    while (ifile1 >> num)
        m->insert(num);

    while (ifile2 >> num)
    {
        if (m->find(num) == m->end())
            v->insert(num);
    }

    delete m;

    return v;
}

int main(int argc, char *argv[])
{

    if(argc != 4)
    {
        cout << "./a.out A.txt B.txt C.txt" << endl;
        return 1;
    }

    cout << argv[1] << " " << argv[2] << " " << argv[3] << endl;

    ifstream ifile1(argv[2]);
    ifstream ifile2(argv[1]);

    ofstream ofile1;
    ofile1.open(argv[3], ofstream::out);
    

    set<DataType>* p = fileDifferent(ifile1, ifile2);

    cout << "num: " << p->size() << endl;
    cout << "max: " << *(--p->end()) << endl;
    cout << "min: " << *(p->begin()) << endl;

    for (set<DataType>::const_iterator it = p->cbegin(); it != p->cend(); it++)
        ofile1 << *it << "\n";

    delete p;

    ifile1.close();
    ifile2.close();
    ofile1.close();

    return 0;
}

　　　　2.2　　Makefile 文件

OBJ=csdn
FLAGS=-std=c++11 -Wall -O2

all:
    g++ -o $(OBJ) main.cpp $(FLAGS)

test:
    (./$(OBJ) A.txt B.txt C.txt)
    (./$(OBJ) a.txt b.txt c.txt)

debug:
    g++ -o $(OBJ) main.cpp $(FLAGS)
    (gdb $(OBJ))

clean:
    rm $(OBJ)
    rm C.txt

　　　　2.3　　run.sh 文件

#!bin/sh/bash

time ./csdn A.txt B.txt C.txt
time ./csdn A.txt B.txt C.txt
time ./csdn A.txt B.txt C.txt

　　　　2.4　　make.sh 文件

#!bin/sh/bash

make clean
make all

 

　　3. 附件

　　　　3.1　　A.txt 和 B.txt

　　　　https://yunpan.cn/crDtxZkcWHRHy （提取码：a59d）

　　　　3.2　　项目源码结构

　　　　/---Power8-6th

　　　　　　/--- A.txt

　　　　　　/--- B.txt

　　　　　　/--- main.cpp

　　　　　　/--- Makefile

　　　　　　/--- run.sh

　　　　　　/--- make.sh