用于检查有序数据是否在集合中的c ++容器

Question

我的数据是一组有序的整数

[0] = 12345 [1] = 12346 [2] = 12454 等

我需要检查一个值是否在C ++集合中，哪个容器在检索时具有最低的复杂度？在这种情况下，数据在初始化后不会增长。在C＃中我会使用字典，在c ++中，我可以使用hash_map或set。如果数据是无序的，我会使用boost的无序集合。但是，自订购数据以来，我有更好的选择吗？感谢

编辑：集合的大小是几百件

Answer 1

如果数据位于有序的随机访问容器中（例如std::vector，std::deque或普通数组），那么std::binary_search将在对数时间内查找值是否存在。如果您需要找到它的位置，请使用std::lower_bound（也是对数）。

Answer 2

只是详细了解已经说过的内容。

已分类的容器

这里的不变性非常重要：std::map和std::set通常用二叉树（我的STL的几个版本的红黑树）实现，因为插入，检索的要求和删除操作（特别是因为迭代器要求无效）。

然而，由于不变性，你怀疑还有其他候选人，其中最重要的是阵列式容器。他们在这里有一些优势：

• 最小开销（以记忆为单位）
• 内存的连续性，从而缓存局部性

这里有几个“随机存取容器”：

• Boost.Array
• std::vector
• std::deque

所以你真正需要做的唯一事情就是分两步完成：

• 将所有值推送到您选择的容器中，然后（在插入所有容器后）使用std::sort。
• 使用std::binary_search搜索值，其中包含O（log（n））复杂度

由于缓存局部性，即使渐近行为相似，搜索实际上也会更快。

如果您不想重新发明轮子，您还可以查看Alexandrescu的[AssocVector][1]。 Alexandrescu基本上将std::set和std::map接口移到std::vector上：

• 因为小数据集的速度更快
• 因为冻结数据集可能更快

未分类的容器

实际上，如果你真的不关心秩序而且你的收藏有点大，那么unordered_set会更快，特别是因为整数对于散列size_t hash_method(int i) { return i; }是如此微不足道。

这可以很好地工作......除非你遇到一个以某种方式导致大量冲突的集合，因为那时未分类的容器将在线性时间内搜索给定散列的“碰撞”列表。

<强>结论

只需尝试排序 std::vector方法和boost::unordered_set方法以及“真实”数据集（以及所有优化）并选择最适合您的方法。< / p>

不幸的是我们真的无法帮助更多，因为它在很大程度上取决于数据集的大小及其元素的重新分配

Answer 3

使用sort ed std::vector，然后使用std::binary_search进行搜索。

您的其他选项将是hash_map（不是在C ++标准中尚未，但还有其他选项，例如SGI's hash_map和boost::unordered_map）或{{3} }。

如果您从未添加到您的收藏中，带有binary_search的排序向量很可能比地图具有更好的性能。

Answer 4

我建议使用std :: vector＆lt; int＆gt;存储它们和std :: binary_search或std :: lower_bound来检索它们。

std :: unordered_set和std :: set都会增加显着的内存开销 - 即使unordered_set提供O（1）查找，O（logn）二进制搜索也可能会超出它，因为数据是连续存储的（否）指针跟随，页面错误的可能性较小等）并且您不需要计算散列函数。

Answer 5

如果您已经拥有有序数组或std::vector<int>或类似的数据容器，则可以使用std::binary_search来探测每个值。没有设置时间，但每个探测将花费O（log n）时间，其中n是您已经获得的有序int数。

或者，您可以使用某种哈希，例如boost::unordered_set<int>。这需要一些时间来设置，并且可能需要更多空间，但每个探测平均需要O（1）时间。 （对于小n，这个O（1）可能比之前的O（log n）更多。当然，对于小n，无论如何时间都可以忽略不计。）

查看std::set或std::map之类的内容是没有意义的，因为这些优先于二进制搜索没有优势，因为匹配的数字列表在初始化后不会改变。

因此，问题是n的近似值，以及您打算探测表的次数。如果您不打算检查多个值以查看它们是否在提供的整数中，那么设置时间非常重要，并且排序容器上的std::binary_search是可行的方法。如果要检查很多值，可能需要设置哈希表。如果n很大，那么哈希表的探测速度比二进制搜索快，如果有很多探测，这就是主要成本。

因此，如果要比较的整数数量相当小，或者探测值的数量很小，请使用二进制搜索。如果int的数量很大，并且探测数量很大，请使用哈希表。