[Leetcode][Medium]-面试题 17.14.最小k个数-TOP K问题-快排/大根堆

一、题目描述

原题地址

二、整体思路

        (1)、快排

                数组中最小的k个数就是说把数组升序排列,求[0,k-1]区间上的数。

                快排可以得到一个元素在升序排序的数组中的正确位置。在这个位置的左边区间[l,l2-1]上的元素都比它小,在这个位置的右边区间[r2,r]上的元素都比它大。

                那么当k<=l2-1时,说明还需要对左边区间[l,l2-1]进行快排,当k>=r2时,说明还需要对右边区间[r2,r]进行快排,当k在[l2,r2-1]时,说明arr[k]已经被放置至数组升序排序的正确位置,那么[0,k-1]上的元素就是题目中要求的k个数。

        (2)、大根堆 

                把数组[0,k-1]区间上的数化为大根堆。然后遍历剩下数组的部分。若遍历到的元素小于堆顶,则替换堆顶。重复此步骤最终可以得到数组中最小的K个数组成的小根堆,堆顶为数组所有元素中第K小的元素。

三、代码

//快排
class Solution {
    public int[] smallestK(int[] arr, int k) {
        if(arr.length==0 || k==0) return new int[0];
        int[] arr2=new int[k];
        Random random=new Random();
        quicksort(arr,0,arr.length-1,k,random);
        for(int i2=0;i2<=k-1;i2++){
            arr2[i2]=arr[i2];
        }
        return arr2;
    }
    private void quicksort(int[] arr,int l,int r,int k,Random random){
        if(l>=r) return;
        //arr[l]与数组中元素随机交换,避免快速排序退化导致性能下降
        int p=random.nextInt(r-l+1)+l;
        int temp=arr[l];
        arr[l]=arr[p];
        arr[p]=temp;

        int i=l+1,l2=l,r2=r+1;
        while(i<r2){
            if(arr[i]<arr[l]){
                int temp2=arr[++l2];
                arr[l2]=arr[i];
                arr[i]=temp2;
                i++;
            }else if(arr[i]>arr[l]){
                int temp2=arr[--r2];
                arr[r2]=arr[i];
                arr[i]=temp2;

            }else{
                i++;
            }
        }
        int temp3=arr[l2];
        arr[l2]=arr[l];
        arr[l]=temp3;
        if(k<=l2-1){
            quicksort(arr,l,l2-1,k,random);
        }else if(k>=r2){
            quicksort(arr,r2,r,k,random);
        }else{
            return;
        }
    }
}
//大根堆
class Solution {
    public int[] smallestK(int[] arr, int k) {
        //排除特殊情况
        if(k==0 || arr.length==0) return new int[0];
        if(k==1){
            int ret=Integer.MAX_VALUE;
            for(int i=0;i<arr.length;i++){
                ret=Math.min(ret,arr[i]);
            }
            int[] ret2=new int[1];
            ret2[0]=ret;
            return ret2;
        }
        int[] pq=new int[k];
        for(int i=0;i<k;i++){
            pq[i]=arr[i];
        }
        for(int i=(k-1)/2;i>=0;i--){
            siftDown(pq,i,k);
        }
        for(int i=k;i<arr.length;i++){
            if(arr[i]<pq[0]){
                int temp=arr[i];
                arr[i]=pq[0];
                pq[0]=temp;
                siftDown(pq,0,k);
            }
        }
        return pq;
    }
    public void siftDown(int[] pq,int index,int k){
        while((index*2+1)<k){
            int j=index*2+1;
            if(j+1<k && pq[j+1]>pq[j]) j++;
            if(pq[index]<pq[j]){
                int temp2=pq[index];
                pq[index]=pq[j];
                pq[j]=temp2;
                index=j;
            }else break;
        }
    }
}

### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法与数据结构基础》等,来深入理解这种算法思想。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值