Top K问题系列之三 手写代码

Top K问题是面试时手写代码的常考题，某些场景下的解法与堆排和快排的关系紧密，所以把它放在堆排后面讲。

关于Top K问题最全的分类总结是在这里（包括海量数据的处理），个人将这些题分成了两类：一类是容易写代码实现的；另一类侧重考察思路的。毫无疑问，后一种比较简单，你只要记住它的应用场景、解决思路，并能在面试的过程中将它顺利地表达出来，便能以不变应万变。前一种，需要手写代码，就必须要掌握一定的技巧，常见的解法有两种，就是前面说过的堆排和快排的变形。

堆排解法

用堆排来解决Top K的思路很直接。

前面已经说过，堆排利用的大（小）顶堆所有子节点元素都比父节点小（大）的性质来实现的，这里故技重施：既然一个大顶堆的顶是最大的元素，那我们要找最小的K个元素，是不是可以先建立一个包含K个元素的堆，然后遍历集合，如果集合的元素比堆顶元素小（说明它目前应该在K个最小之列），那就用该元素来替换堆顶元素，同时维护该堆的性质，那在遍历结束的时候，堆中包含的K个元素是不是就是我们要找的最小的K个元素？

实现： 
在堆排的基础上，稍作了修改，buildHeap和heapify函数都是一样的实现，不难理解。

速记口诀：最小的K个用最大堆，最大的K个用最小堆。

public class TopK {

public static void main(String[] args) {

// TODO Auto-generated method stub

int[] a = { 1, 17, 3, 4, 5, 6, 7, 16, 9, 10, 11, 12, 13, 14, 15, 8 };

int[] b = topK(a, 4);

for (int i = 0; i < b.length; i++) {

System.out.print(b[i] + ", ");

}

}

public static void heapify(int[] array, int index, int length) {

int left = index * 2 + 1;

int right = index * 2 + 2;

int largest = index;

if (left < length && array[left] > array[index]) {

largest = left;

}

if (right < length && array[right] > array[largest]) {

largest = right;

}

if (index != largest) {

swap(array, largest, index);

heapify(array, largest, length);

}

}

public static void swap(int[] array, int a, int b) {

int temp = array[a];

array[a] = array[b];

array[b] = temp;

}

public static void buildHeap(int[] array) {

int length = array.length;

for (int i = length / 2 - 1; i >= 0; i--) {

heapify(array, i, length);

}

}

public static void setTop(int[] array, int top) {

array[0] = top;

heapify(array, 0, array.length);

}

public static int[] topK(int[] array, int k) {

int[] top = new int[k];

for (int i = 0; i < k; i++) {

top[i] = array[i];

}

//先建堆，然后依次比较剩余元素与堆顶元素的大小，比堆顶小的， 说明它应该在堆中出现，则用它来替换掉堆顶元素，然后沉降。 buildHeap(top); for (int j = k; j < array.length; j++) { int temp = top[0]; if (array[j] < temp) { setTop(top, array[j]); } } return top; }}