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;
}