堆的应用（TOP-K问题）结合力扣算法题

TOP-K问题概念：

TOP-K问题概念：即求数据前k个最大或最小的的数据，一般数据量都很大。

TOP-K问题例子：

比如：前专业前10，世界五百强等等。

用堆解决TOP-K问题原因：

对于TOP-K问题，我们首先想到的就是排序，但是，当数据量非常大的时候，排序就不太可取了，后面讲到排序的时候你会发现，基本排序的时间复杂度都在O（nlogn）和O（n^2）之间，而我们只需要得到最大或最小的前k位，这样付出的代价很高。最佳的方式就是用堆来解决。

基本思路

1. 用数据集合的前k个数据建堆
   • 前k个最小的元素，则建大堆。
   • 前k个最大的元素，则建小堆。
2. 用剩余的n - k个元素依次和栈顶元素比较，满足则替换掉堆顶元素，然后再向下调整。
   思路分析：这里我就那前k个最小的元素来说了，用前k个数据建大堆后，堆顶为这个堆里最大的元素，当拿后面的元素和它比较时候，比它小的元素都将把它替换掉，然后向下调整，之后堆顶的数据还是最大的。根据这种思想可以知道，
   （1） 当前k个最小的元素和堆顶比较时候一定比堆顶小，所以一定会进堆。
   （2）当前k个最小的元素已经进堆了，没有元素比他们还小了，所以这个时候没有任何元素能进堆了，即堆里的数据就是前k个最小的元素。
   （3）而且这个时候堆顶为它们中最大的元素，那么堆顶就是第k小的元素，下面我要讲的力扣题就是这个问题。话不多说直接上题。

力扣关于TOP-K问题的题：

力扣难度：中等
给定整数数组 nums 和整数 k，请返回数组中第 k 个最大的元素。
请注意，你需要找的是数组排序后的第 k 个最大的元素，而不是第 k 个不同的元素。
你必须设计并实现时间复杂度为 O(n) 的算法解决此问题。
题目给出的接口：
红色<int findKthLargest(int* nums, int numsSize, int k) {
}>

void AdjustDown(int* arr, int n, int root){
    int parent = root;
    
/*此函数用了一个假设法：假设左孩子是比较小的结点，
但是如果右孩子数据小于左孩子的时候，
那么右孩子是比较小的结点，这样写是为了：
1.避免把左孩子小或者右孩子小分类，
如果左孩子小，然后怎么怎么样，
右孩子小怎么这么样，造成大量代码冗余。
2.如果把左右孩子分类的话，代码中出现大量左孩子，
右孩子，使读者或公司同事阅读不方便。
而用一个孩子表示较小的孩子，使代码阅读清晰明了。*/
    int child = parent * 2 + 1;//假设左孩子小
    while(child < n){
        if(child + 1 < n && arr[child + 1] < arr[child]){
            child++;
        }
        if(arr[child] < arr[parent]){
            int temp = arr[child];
            arr[child] = arr[parent];
            arr[parent] = temp;
            parent = child;
            child = parent * 2 + 1;
        }
        else{
            break;
        }
    }
}
int findKthLargest(int* nums, int numsSize, int k) {
    //将前k个元素先建小堆
    for(int i = (numsSize - 1 - 1) / 2; i >= 0; i--){
        AdjustDown(nums, k, i);
    }
    //用剩余的n - k个元素依次和栈顶元素比较
    for(int i = k; i < numsSize; i++){
    	//若该元素比堆顶大，则把堆顶的元素替换为该元素，然后向下调整，使堆顶元素还是最小的元素。
        if(nums[i] > nums[0]){
            nums[0] = nums[i];
            AdjustDown(nums, k, 0);
        }
    }
    //返回堆顶的元素即第k小的数据
    return nums[0];
}

谢谢你的阅读，喜欢的话点个赞转发一下吧！