【剑指Offer】最小的k个数

题目：输入n个整数，找出其中最小的k个数。例如输入4,5,1,6,2,7,3,8这8个数字，则最小的4个数字是1,2,3,4。

这道题最简单的思路莫过于把输入的n个整数排序，排序之后位于最前面的k个数就是最小的k个数。这种思路的时间复杂度是O(nlogn)，面试官会提示我们该有更快的算法。

 

解法一：O(n)的算法，只有当我们可以修改输入的数组时可用

我们可以基于Partition函数来解决这个问题。如果基于数组的第k个数字来调整，使得比第k个数字小的所有数字都位于数组的左边，比第k个数字大的所有数字都位于数组的右边。这样调整之后，位于数组中左边的k个数字就是最小的k个数字。

采用这种思路是有限制的，我们需要修改输入的数组，因为函数partition会调整数组中数字的顺序。

public class MinKthNum {
	public int[] getMinKthNum(int[] input, int k) {
		if(input.length == 0 || k <= 0)
			return null;
		int[] output = new int[k];
		int start = 0;
		int end = input.length - 1;
		int index = partition(input, start, end);
		while(index != k-1) {
			if(index > k-1)
				end = index - 1;
			else
				start = index + 1;
			index = partition(input, start, end);
		}
		for(int i = 0; i < k; i++) {
			output[i] = input[i];
		}
		return output;
	}

	private int partition(int[] input, int left, int right) {
		int pivot = input[left];
		while(left < right) {
			while(left < right && arr[right] >= pivot)
				right--;
			input[left] = input[right];
			while(left < right && input[left] < pivot)
				left++;
			input[right] = input[left];
		}
		input[left] = pivot;
		return left;
	}
}

解法二：O(nlogk)的算法，特别适用于处理海量数据

我们可以先创建一个大小为k的数据容器来存储最小的k个数字，接下来，我们每次从输入的n个整数中读入一个数。如果容器中已有数字少于k个，则直接把这次读入的整数放入容器中；如果容器中已有k个数字了，也就是容器已满，此时我们不能再插入新的数字而只能替换已有的数字。找出已有的k个数字中的最大值，然后拿这次待插入的整数和最大值进行比较。如果待插入的值比当前已有的最大值小，则用这个数替换当前已有的最大值；如果待插入的值比当前已有的最大值还大，那么这个数不可能是最小的k个整数之一，于是我们可以抛弃这个整数。

因此，当容器满了之后，我们要做3件事，一是在k个整数中找到最大值；二是有可能在这个容器中删除最大值；三是有可能要插入一个新的数字。如果用一棵二叉树来实现这个容器，那么我们能在O(logk)时间内实现这三步操作。因此对于n个输入的数字而言，总的时间效率是O(nlogk)。

我们可以选择用不同的二叉树来实现这个数据容器。由于每次都需要找到k个整数中的最大数字，我们很容易想到用最大堆。在最大堆中，根节点的值总是大于它的子树中的任意节点的值。于是我们每次可以在O(1)得到已有的k个数字中的最大值，但需要O(logk)时间完成删除及插入操作。

public void buildMaxHeap(int[] arr, int lastIndex) {
	for(int i = (lastIndex-1)/2; i >= 0; i--) {
		int k = i;
		while(2*k+1 <= lastIndex) {
			int biggerIndex = 2*k + 1;
			if(biggerIndex < lastIndex) {
				if(arr[biggerIndex] < arr[biggerIndex + 1]) {
					biggerIndex++;
				}
			}
			if(arr[k] < arr[biggerIndex]) {
				swap(arr, k, biggerIndex);
				k = biggerIndex;
			} else {
				break;
			}
		}
	}
}

public void swap(int[] arr, int i, int j) {
	int temp = arr[i];
	arr[i] = arr[j];
	arr[j] = temp;
}

public void heapSort(int[] arr) {
	for(int i = 0; i < arr.length-1; i++) {
		buildMaxHeap(arr, arr.length-i-1);
		swap(arr, 0, arr.length-i-1);
	}
}

public int[] getLeastNumbers(int[] arr, int k) {
	if(arr == null || k < 0 || k > arr.length)
		return;
	int[] kArray = Arrays.copyOfRange(arr, 0, k);
	heapSort(kArray);
	for(int i = k; i < arr.length; i++) {
		if(arr[i] < kArray[k-1]) {
			kArray[k-1] = arr[i];
			heapSort(kArray);
		}
	}
	return kArray;
}