从大型数组中采样数据

Question

基本上我有一个非常大的对象数组，我需要删除10％最不适合的对象。

每个对象都有一个与之相关的适应度变量（双精度）。我没有一个数字来决定一个物体是否合适，我只想要最不合适的一堆。

检索（采样）最不适合的对象的最佳方法是什么？

一种方法可以随机选择让20％的方式，对数据进行排序，然后删除10％。但我认为这不是一种非常聪明的做法。

另一种方法是保持数组始终排序，然后删除前10％。但我不认为这是非常好的，因为你必须始终在插入/更新时对数组进行排序，这是一个很大的开销。

Answer 1

设k为yourCollection.length() * 0.1和n = yourCollection.length()。

找到第k个最小元素（QuickSelect或5的中位数），其中关键是你的健康。我们称之为p。这可以在O(n)。

中完成

然后遍历整个集合并移除所有健康度低于p.fitness的项目。我们有一个O(n)解决方案。

或者，您可以使用O(n)在key=fitness中创建一个堆，并在k中删除O(k * log(n))中的{{1}}个元素。