1.基于堆的实现
创建一个最大堆,控制其最大规模为k。若堆的规模小于k则不断将数组元素压入到堆中,否则则要根据当前元素和堆顶元素的大小来判断是否进行“交换”操作(堆顶元素弹出,当前数组元素压入)。不断重复此操作就可以将原数组中所有最小的k个数全部保留到堆中了。
具体代码如下:
class Solution {
public:
vector<int> getLeastNumbers_Solution(vector<int> input, int k) {
priority_queue<int, vector<int>, less<int>> q;
vector<int> ans;
for(auto e: input){
if(q.size() < k) q.push(e);
else if(q.top() > e){
q.pop();
q.push(e);
}
}
while(!q.empty()){
ans.push_back(q.top());
q.pop();
}
return vector<int> (ans.rbegin(), ans.rend());
}
};
该算法的时间复杂度是O(nlogk),虽然略高,但是此算法既不会改变原数组,同时又很适合用于大量数据的情况。
2.基于快速排序的轴点选择函数的实现
参考我的上一篇博文AcWing 52. 数组中出现次数超过一半的数字(基于中位数和众数的线性复杂度的解法)中的第1部分。这个方法仍然要用到快速排序的轴点选择函数。我们令此函数每次都返回轴点的位置,如果这个位置恰好为k,则说明从数组开始到轴点位置的元素全都是我们要找的最小的k个数。反之则要根据轴点的位置调整数组区间大小进行进一步地划分,直至返回的轴点位置为k为止。在提取数组前k个元素后要注意进行排序。
具体代码如下:
class Solution {
public:
int partition(vector<int> &nums, int lo, int hi){
int i = lo, j = hi;
while(i < j){
while(nums[i] < nums[lo]) i++;
while(nums[j] >= nums[lo]) j--;
if(i < j) swap(nums[i], nums[j]);
}
swap(nums[i], nums[lo]);
return i;
}
vector<int> getLeastNumbers_Solution(vector<int> input, int k) {
vector<int> ans;
if(input.empty()) return ans;
int lo = 0, hi = input.size() - 1;
int index = partition(input, lo, hi);
while(index != k - 1){
if(index > k - 1){
hi = index - 1;
index = partition(input, lo, hi);
}
else{
lo = index + 1;
index = partition(input, lo, hi);
}
}
for(int i = 0; i < k; i++){
ans.push_back(input[i]);
}
sort(ans.begin(), ans.end());
return ans;
}
};
该算法的时间复杂度为O(n),相对于上一个方法要低一些,不过此算法需要改变原数组同时又不太适用于大量数据的情况。